Data miners use technologies that a

Data miners use technologies that are based on statistical analysis and data visualization:

Decison Trees :-Tree-shaped structures can be used to represent decisions and rules for the classification of a dataset. As well as being easy to understand, tree-based models are suited to selecting important variables and are best when many of the predictors are irrelevant.

Genetic algorithms :-Genetic algorithms are optimization techniques that use processes such as genetic combination, mutation, and natural selection in a design based on the concepts of evolution. Possible solutions for a problem compete with each other. In an evolutionary struggle of the survival of the fittest,

algorithms

Genetic

battle.

the

survives

solution

best

the

optimization problems with many candidate variables (e.g. candidates for a long).

K-Nearest Neighbour Method :-The nearest neighbor

clustering and classification. In the case of clustering, the method first plots each record in n-dimensional space, where attributes are used in the analysis. Then, it adjusts the weights for each dimension to cluster together data points with similar goal features. For instance, if the goal is to identify customers who frequently switchphone companies, the k-nearest method would adjust weights for relevant variables (such as monthly phone bill and percentage of non-U.S. calls) to cluster switching customers in the same neighborhood. Customers who did not switch would be clustered some distance apart.

Neural network :- A neural network, mimicking the neurophysiology of the human brain, can learn from examples to find patterns in data and classify data. While neural networks can be used for classification, they must first be trained to recognize patterns in a sample dataset. Once trained, a neural network can make predictions from new data. Neutral networks are suited to combining information from many predictor variables and work well when many of the predictors are partially redundant. One shortcoming of a neural network is that it can be viewed as a black box with no explanation of the results provided. Often managers are reluctant to apply models they do not understand, and this can

applicability of neural networks.

Data visualization:-Data visualization can make it possible for the analyst to gain a deeper, intuitive understanding of data. Because they present data in a visual format, visualization tools take advantage of our capability to rapidly discern visual pattern. Data mining can enable the analyst to focus attention on important pattern and trends and explore these in dept using visualization techniques. Data mining and data visualization work especially well together.

ผลลัพธ์ (ไทย) 1:

เหมืองข้อมูลที่ใช้เทคโนโลยีที่มีสถิติแสดงภาพการวิเคราะห์และข้อมูลประกอบเพลง:

Decison ต้นไม้ :-Tree-shaped โครงสร้างสามารถใช้เพื่อแสดงถึงการตัดสินใจและกฎสำหรับการจัดประเภทของชุดข้อมูล เป็นเข้าใจง่าย รูปต้นไม้เหมาะกับการเลือกตัวแปรที่สำคัญ และสุดเมื่อหลาย predictors ที่ไม่เกี่ยวข้องกัน

อัลกอริทึมทางพันธุกรรม:-อัลกอริทึมพันธุกรรมคือ เทคนิคที่เพิ่มประสิทธิภาพที่ใช้กระบวนการทางพันธุกรรมชุด กลายพันธุ์ และคัดเลือกโดยธรรมชาติในการออกแบบตามแนวคิดของวิวัฒนาการ การแก้ไขปัญหาสำหรับปัญหาการแข่งขันกัน ในการต่อสู้เป็นวิวัฒนาการของการอยู่รอดของเดอะ fittest,

อัลกอริทึม

พันธุ

รบ.

การ

survives

โซลูชัน

สุด

การ

ปัญหาปรับให้เหมาะสมกับผู้สมัครหลายตัวแปร (เช่นสมัครระยะยาว)

วิธี K-Nearest เพื่อนบ้าน: -เพื่อนบ้านที่ใกล้ที่สุด

คลัสเตอร์และจัดประเภท ในกรณีของคลัสเตอร์ วิธีลงจุดแต่ละเรกคอร์ดในพื้นที่ n มิติ แอตทริบิวต์ที่จะใช้ในการวิเคราะห์ครั้งแรก แล้ว มันปรับน้ำหนักสำหรับมิติแต่ละจุดข้อมูลกันคลัสเตอร์มีคุณสมบัติเป้าหมายคล้ายคลึงกัน ตัวอย่าง ถ้าเป้าหมายคือการ ระบุลูกค้าประจำบริษัท switchphone วิธีการ k ใกล้จะปรับน้ำหนักสำหรับตัวแปรที่เกี่ยวข้อง (เช่นเป็นรายเดือนโทรศัพท์เก็บเงินและเปอร์เซ็นต์ของไม่เรียก) ให้คลัสเตอร์สลับในย่านเดียวกัน ลูกค้าที่ไม่ได้สลับจะจับกลุ่มบางระยะห่างกันได้

ข่ายประสาท: -เครือข่ายประสาท ประสาทสรีรวิทยาของสมองมนุษย์ mimicking สามารถเรียนรู้จากตัวอย่างรูปแบบข้อมูล และจัดประเภทข้อมูลได้ ในขณะที่สามารถใช้เครือข่ายประสาทการจัด พวกเขาต้องก่อนได้รับการอบรมการรับรู้รูปแบบในการชุดข้อมูลตัวอย่าง เมื่อผ่านการฝึกอบรม เครือข่ายประสาทสามารถทำการคาดคะเนจากข้อมูลใหม่ เครือข่ายเป็นกลางเหมาะกับการรวมข้อมูลจากตัวแปร predictor มาก และทำงานได้ดีเมื่อหลาย predictors ที่มีบางส่วนซ้ำซ้อน คงหนึ่งของเครือข่ายประสาทคือ ว่า มันสามารถใช้เป็นกล่องดำที่มีคำอธิบายไม่มีผลให้ ผู้จัดการมักจะไม่ใช้รูปแบบที่พวกเขาไม่เข้าใจ และสามารถนี้

ความเกี่ยวข้องของของเครือข่ายประสาท.

ข้อมูลแสดงภาพประกอบเพลง: -นำเสนอภาพข้อมูลสามารถช่วยให้นักวิเคราะห์ได้รับข้อมูลเข้าใจง่าย ลึกได้ เนื่องจากพวกเขานำเสนอข้อมูลในรูปแบบภาพ เครื่องมือแสดงภาพประกอบเพลงใช้ประโยชน์จากความสามารถของเราแยกแยะรูปภาพอย่างรวดเร็ว การทำเหมืองข้อมูลสามารถเปิดใช้งานการวิเคราะห์ความสนใจเน้นรูปแบบที่สำคัญและแนวโน้ม และสำรวจในแผนกที่ใช้เทคนิคการแสดงภาพประกอบเพลง การทำเหมืองข้อมูลและการนำเสนอภาพข้อมูลทำงานร่วมกันอย่างเช่น

ผลลัพธ์ (ไทย) 2:

คนงานเหมืองข้อมูลที่ใช้เทคโนโลยีจะขึ้นอยู่กับการวิเคราะห์ทางสถิติและการแสดงข้อมูล: Decison ต้นไม้: ต้นไม้ที่มีรูปทรงโครงสร้างสามารถนำมาใช้เพื่อเป็นตัวแทนของการตัดสินใจและกฎระเบียบสำหรับการจำแนกประเภทของชุด รวมทั้งการเป็นที่เข้าใจง่ายแบบต้นไม้ตามเหมาะสมกับการเลือกตัวแปรที่สำคัญและเป็นที่ดีที่สุดเมื่อหลายพยากรณ์ไม่เกี่ยวข้องขั้นตอนวิธีทางพันธุกรรม: ขั้นตอนวิธีทางพันธุกรรม-เป็นเทคนิคการเพิ่มประสิทธิภาพที่ใช้กระบวนการเช่นการรวมกันทางพันธุกรรมการกลายพันธุ์และเป็นธรรมชาติ เลือกในการออกแบบตามแนวความคิดของการวิวัฒนาการ การแก้ปัญหาที่เป็นไปได้สำหรับปัญหาการแข่งขันกับคนอื่น ๆ ในการต่อสู้ของวิวัฒนาการของการอยู่รอดของ fittest, ขั้นตอนวิธีทางพันธุกรรมต่อสู้รอดทางออกที่ดีที่สุดในการเพิ่มประสิทธิภาพของปัญหาที่มีผู้สมัครหลายตัวแปร (เช่นผู้สมัครเป็นเวลานาน) K-เพื่อนบ้านที่ใกล้ที่สุดวิธี: เพื่อนบ้านที่ใกล้ที่สุดการจัดกลุ่มและการจำแนก ในกรณีที่มีการจัดกลุ่มวิธีแรกแปลงแต่ละระเบียนในพื้นที่ n มิติที่คุณลักษณะที่ใช้ในการวิเคราะห์ จากนั้นจะปรับน้ำหนักสำหรับแต่ละมิติให้กลุ่มร่วมกันจุดข้อมูลที่มีคุณสมบัติที่คล้ายกันเป้าหมาย ตัวอย่างเช่นถ้าเป้าหมายคือการหาลูกค้าที่มัก switchphone บริษัท วิธี k-ใกล้จะปรับน้ำหนักสำหรับตัวแปรที่เกี่ยวข้อง (เช่นค่าโทรศัพท์รายเดือนและร้อยละของที่ไม่ใช่ของสหรัฐเรียกร้อง) กับกลุ่มลูกค้าที่เปลี่ยนในย่านเดียวกัน ลูกค้าที่ไม่ได้จะได้รับการสลับกลุ่มบางระยะห่างออกจากกันเครือข่ายประสาท: - เครือข่ายประสาทล้อเลียนสรีรวิทยาของสมองมนุษย์สามารถเรียนรู้จากตัวอย่างเพื่อหารูปแบบในข้อมูลและการจำแนกประเภทข้อมูล ในขณะที่เครือข่ายประสาทสามารถใช้สำหรับการจัดหมวดหมู่ของพวกเขาจะต้องได้รับการฝึกฝนให้รู้จักรูปแบบในชุดตัวอย่าง ผ่านการฝึกอบรมเมื่อเครือข่ายประสาทสามารถทำให้การคาดการณ์จากข้อมูลใหม่ เครือข่ายกลางจะเหมาะกับการรวมข้อมูลจากตัวแปรจำนวนมากและทำงานได้ดีเมื่อหลายพยากรณ์เป็นเพียงบางส่วนที่ซ้ำซ้อน หนึ่งบกพร่องของเครือข่ายประสาทคือมันสามารถถูกมองว่าเป็นกล่องสีดำที่มีคำอธิบายของผลลัพธ์ที่ไม่ให้ ผู้จัดการมักจะลังเลที่จะใช้รูปแบบที่พวกเขาไม่เข้าใจและสามารถประยุกต์ใช้เครือข่ายประสาทการมองเห็นข้อมูล: ข้อมูลภาพสามารถทำให้มันเป็นไปได้สำหรับนักวิเคราะห์ที่จะได้รับลึกเข้าใจง่ายของข้อมูล เพราะพวกเขานำเสนอข้อมูลในรูปแบบภาพ, เครื่องมือสร้างภาพใช้ประโยชน์จากความสามารถของเราได้อย่างรวดเร็วมองเห็นรูปแบบภาพ การทำเหมืองข้อมูลสามารถเปิดใช้งานนักวิเคราะห์ให้ความสนใจกับรูปแบบและแนวโน้มที่สำคัญและสำรวจเหล่านี้ในเชิงลึกโดยใช้เทคนิคการสร้างภาพ การทำเหมืองข้อมูลและการทำงานโดยเฉพาะอย่างยิ่งการแสดงข้อมูลร่วมกันได้

ผลลัพธ์ (ไทย) 3:

ใช้เทคโนโลยีเหมืองข้อมูลที่อยู่บนพื้นฐานของการวิเคราะห์ทางสถิติและข้อมูลภาพ :

เป็นคนตัดสินใจต้นไม้ - ต้นไม้รูปร่างโครงสร้างสามารถใช้เป็นตัวแทนของการตัดสินใจและกฎสำหรับประเภทของชุดข้อมูล . เช่นเดียวกับที่ง่ายต่อการเข้าใจ ตามต้นไม้ รุ่นที่เหมาะกับการเลือกตัวแปรที่สำคัญและดีที่สุดเมื่อหลายปัจจัยไม่เกี่ยว

ขั้นตอนวิธีเชิงพันธุกรรม :- ขั้นตอนวิธีพันธุกรรมเป็นเทคนิคการเพิ่มประสิทธิภาพกระบวนการที่ใช้ เช่น พันธุกรรม การรวมกันของ และ ธรรมชาติ การเลือกออกแบบตามแนวความคิด ของวิวัฒนาการ วิธีแก้ไขที่เป็นไปได้สำหรับปัญหาการแข่งขันกับแต่ละอื่น ๆ วิวัฒนาการของการต่อสู้เพื่อการมีชีวิตรอด ขั้นตอนวิธีทางพันธุกรรม









สู้ รอด

โซลูชั่นที่ดีที่สุด





ปัญหาการเพิ่มประสิทธิภาพกับผู้สมัครหลายตัวแปร ( เช่นผู้สมัครเป็นเวลานาน )

ละเพื่อนบ้านวิธี : - เพื่อนบ้านที่ใกล้ที่สุด

clustering และการจำแนก ในกรณีของการแบ่งกลุ่ม ซึ่งวิธีแรก n-dimensional แปลงบันทึกในแต่ละพื้นที่ ซึ่งคุณลักษณะที่ใช้ในการวิเคราะห์ จากนั้นปรับน้ำหนักในแต่ละมิติจะรวมกลุ่มกันข้อมูลที่มีคุณสมบัติเป้าหมายที่คล้ายคลึงกัน ตัวอย่าง ถ้าเป้าหมายคือการระบุลูกค้าที่มัก switchphone บริษัท วิธีละจะปรับน้ำหนักตัวแปรที่เกี่ยวข้อง ( เช่น ค่าโทรศัพท์รายเดือน ค่าโทรนอกสหรัฐ ) กลุ่มเปลี่ยนลูกค้าในละแวกเดียวกันลูกค้าที่ไม่ได้สลับเป็นกระจุกระยะห่างจากกัน

Neural Network : เครือข่ายระบบประสาท , ประสาทสรีรวิทยาเลียนแบบสมองมนุษย์สามารถเรียนรู้จากตัวอย่างเพื่อหารูปแบบในข้อมูลและจำแนกข้อมูล ในขณะที่โครงข่ายประสาทเทียมที่สามารถใช้สำหรับการ พวกเขาจะต้องถูกฝึกให้จำรูปแบบในตัวอย่างชุดข้อมูล . เมื่อผ่านการอบรมเครือข่ายประสาทสามารถคาดคะเนจากข้อมูลใหม่ เครือข่ายที่เป็นกลางจะเหมาะที่จะรวมข้อมูลจากตัวแปรมากและทำงานได้ดีเมื่อหลายตัวจะเพิ่มขึ้นบางส่วน หนึ่งข้อบกพร่องของเครือข่ายประสาทที่สามารถดูเป็นกล่องสีดำไม่มีคำอธิบายของผลลัพธ์ให้ ผู้จัดการมักจะไม่เต็มใจที่จะใช้รุ่นที่พวกเขาไม่เข้าใจและนี้สามารถ

การประยุกต์ใช้โครงข่ายประสาทเทียม . ตัดเป็นตัดตาย

: - การแสดงข้อมูลที่สามารถทำให้มันเป็นไปได้สำหรับนักวิเคราะห์เข้าลึก , ความเข้าใจง่ายของข้อมูล เพราะพวกเขาเสนอข้อมูลในรูปแบบภาพ , เครื่องมือการใช้ประโยชน์จากความสามารถของเราที่จะอย่างรวดเร็วมองเห็นภาพรูปแบบการทำเหมืองข้อมูลสามารถช่วยให้นักวิเคราะห์เพื่อเน้นความสนใจในรูปแบบที่สำคัญและแนวโน้มและสำรวจเหล่านี้ในแผนกโดยใช้เทคนิคการแสดงภาพประกอบเพลง . การทำเหมืองข้อมูลและการแสดงข้อมูลทำงานได้ดีโดยเฉพาะด้วยกัน