VI. DATA MINING TECHNIQUES USED FOR

VI. DATA MINING TECHNIQUES USED FOR PREDICTIONS
The three different data mining classification techniques, i.e. Neural Networks, Decision Trees, and Naive
Bayes are used to analyze the dataset.
4.1. Neural Networks
An artificial neural network (ANN), often just called a "neural network" (NN), is a mathematical model or
computational model based on biological neural network. In other words, it is an emulation of biological neural system
[13]. A Multi-layer Perceptron Neural Networks (MLPNN) is used.
It maps a set of input data onto a set of appropriate output data. It consists of 3 layers input layer, hidden layer &
output layer. There is connection between each layer & weights are assigned to each connection. The primary function of
neurons of input layer is to divide input xi into neurons in hidden layer. Neuron of hidden layer adds input signal xi with
weights wji of respective connections from input layer. The output Yj is function of Yj = f (Σ wji xi) Where f is a simple
threshold function such as sigmoid or hyperbolic tangent function.
4.2. Decision Trees
The decision tree approach is more powerful for classification problems. There are two steps in this techniques
building a tree & applying the tree to the dataset. There are many popular decision tree algorithms CART, ID3, C4.5,
CHAID, and J48. From these J48 algorithm is used for this system. J48 algorithm uses pruning method to build a tree.
Pruning is a technique that reduces size of tree by removing over fitting data, which leads to poor accuracy in
predications. The J48 algorithm recursively classifies data until it has been categorized as perfectly as possible. This
technique gives maximum accuracy on training data. The overall concept is to build a tree that provides balance of
flexibility & accuracy.

ผลลัพธ์ (ไทย) 1:

เทคนิคการทำเหมืองข้อมูลวีใช้สำหรับคาดคะเนสามข้อมูลต่าง ๆ การทำเหมืองประเภทเทคนิค เช่นเครือ ข่ายประสาท ต้นไม้ตัดสินใจ และ NaiveBayes จะใช้ในการวิเคราะห์ชุดข้อมูล4.1. เครือข่ายประสาทมีโครงข่ายประสาทเทียม (แอน), เพียงมักเรียกว่า "เครือข่ายประสาท" (NN), เป็นแบบจำลองทางคณิตศาสตร์ หรือแบบจำลองเชิงคำนวณตามโครงข่ายประสาทชีวภาพ ในคำอื่น ๆ มันเป็นการจำลองระบบประสาทชีวภาพ[13] ใช้ A หลายชั้นเพอร์เซปตรอนประสาทเครือข่าย (MLPNN)แม็ปชุดของข้อมูลที่ป้อนเข้าไปยังชุดข้อมูลผลลัพธ์ที่เหมาะสม ประกอบด้วยชั้นอินพุตชั้น 3 ชั้นซ่อนและชั้นออก มีการเชื่อมต่อระหว่างแต่ละชั้นและน้ำหนักกำหนดให้กับแต่ละการเชื่อมต่อ ฟังก์ชันหลักของneurons ของชั้นอินพุตแบ่งซีอินพุต neurons ในชั้นซ่อนอยู่ เซลล์ประสาทของชั้นซ่อนเพิ่มสิสัญญาณอินพุตด้วยwji น้ำหนักของการเชื่อมต่อตามลำดับจากชั้นอินพุต ผลผลิต Yj คือ ฟังก์ชันของ Yj = f (สิ wji Σ) โดยที่ f คือ เรียบง่ายขีดจำกัดการฟังก์ชันเช่นฟังก์ชันสัมผัส sigmoid หรือไฮเพอร์โบลิ4.2 การต้นไม้ตัดสินใจวิธีแผนภูมิการตัดสินใจมีประสิทธิภาพมากขึ้นสำหรับปัญหาการจัดประเภทได้ มีขั้นตอนที่สองในเทคนิคนี้อาคารต้นไม้ และใช้ต้นไม้ชุดข้อมูล มีจำนวนมากตัดสินใจยอดต้นไม้อัลกอริทึมรถเข็น ID3, C4.5CHAID ก J48 จากนี้ อัลกอริทึม J48 ถูกใช้สำหรับระบบนี้ อัลกอริทึม J48 ใช้วิธีตัดต้นไม้สร้างตัดเป็นเทคนิคที่ลดขนาดของแผนภูมิ โดยการเอาผ่านพอดีข้อมูล ซึ่งนำไปสู่ความยากจนในpredications Recursively อัลกอริทึม J48 ประมวลข้อมูลจนกระทั่งได้รับการจัดประเภทเป็นอย่างสมบูรณ์แบบที่สุด นี้เทคนิคทำให้ความแม่นยำสูงสุดในข้อมูลการฝึกอบรม แนวคิดจะสร้างแผนภูมิที่แสดงยอดดุลของความยืดหยุ่นและความถูกต้อง

ผลลัพธ์ (ไทย) 2:

พระมงกุฎเกล้าเจ้าอยู่หัว ข้อมูลเทคนิคที่ใช้ในการคาดการณ์สำหรับเหมืองทั้งสามเทคนิคการจัดหมวดหมู่การทำเหมืองข้อมูลที่แตกต่างกันเช่นเครือข่ายประสาทเทียมต้นไม้การตัดสินใจและหน่อมแน้มเบส์ที่ใช้ในการวิเคราะห์ชุดข้อมูล. 4.1 โครงข่ายประสาทเครือข่ายประสาทเทียม (ANN) มักเรียกว่าเพียงแค่เป็น "เครือข่ายประสาท" (NN) เป็นแบบจำลองทางคณิตศาสตร์หรือรูปแบบการคำนวณขึ้นอยู่กับเครือข่ายประสาทชีววิทยา ในคำอื่น ๆ ก็คือการแข่งขันของระบบประสาทชีวภาพ[13] แบบมัลติเลเยอร์ Perceptron เครือข่ายประสาทเทียม (MLPNN) ใช้. มันแผนที่ชุดของการป้อนข้อมูลลงบนชุดของข้อมูลการส่งออกที่เหมาะสม มันประกอบด้วย 3 ชั้นชั้นการป้อนชั้นซ่อนและชั้นเอาท์พุท มีการเชื่อมต่อระหว่างแต่ละชั้นและน้ำหนักได้รับมอบหมายให้แต่ละการเชื่อมต่อ ฟังก์ชั่นหลักของเซลล์ประสาทของชั้นอินพุทคือการแบ่งจินใส่ลงในเซลล์ประสาทในชั้นซ่อน เซลล์ประสาทของชั้นที่ซ่อนเพิ่มสัญญาณจินที่มีน้ำหนัก wji ของการเชื่อมต่อที่เกี่ยวข้องจากชั้นการป้อนข้อมูล เอาท์พุท YJ เป็นหน้าที่ของยงจุน = f (Σ wji จิน) ในกรณีที่เอฟคือการที่ง่ายฟังก์ชั่นเกณฑ์เช่นsigmoid หรือฟังก์ชั่นการผ่อนชำระสัมผัส. 4.2 ต้นไม้ตัดสินใจวิธีต้นไม้การตัดสินใจที่มีประสิทธิภาพมากขึ้นสำหรับปัญหาการจัดหมวดหมู่ มีสองขั้นตอนในเทคนิคนี้คือการสร้างต้นไม้และใช้ต้นไม้เพื่อชุดข้อมูล มีการตัดสินใจที่นิยมมากต้นไม้รถเข็นอัลกอริทึมที่ ID3, C4.5, CHAID และ J48 จากนี้อัลกอริทึม J48 จะใช้สำหรับระบบนี้ อัลกอริทึม J48 ใช้วิธีการตัดแต่งกิ่งที่จะสร้างต้นไม้. ตัดแต่งกิ่งเป็นเทคนิคที่ช่วยลดขนาดของต้นไม้โดยการลบมากกว่าข้อมูลที่เหมาะสมที่จะนำไปสู่ความถูกต้องยากจนในภาค อัลกอริทึม J48 ซ้ำจำแนกข้อมูลจนกว่าจะได้รับการแบ่งประเภทเป็นที่ดีที่สุดที่เป็นไปได้ ซึ่งเทคนิคให้ความถูกต้องสูงสุดกับข้อมูลการฝึกอบรม แนวคิดโดยรวมคือการสร้างต้นไม้ที่ให้ความสมดุลของความยืดหยุ่นและความถูกต้อง

ผลลัพธ์ (ไทย) 3:

เหมืองแร่ไทย ข้อมูล เทคนิคที่ใช้ในการคาดการณ์
3 การทำเหมืองข้อมูลเทคนิคการจำแนกเครือข่ายประสาท คือ , ต้นไม้ตัดสินใจและใสซื่อ
Bayes จะใช้วิเคราะห์ข้อมูล .
4.1 . โครงข่ายประสาทเทียม
โครงข่ายประสาทเทียม ( ANN ) , มักจะเรียกว่า " เครือข่ายประสาท " ( NN ) เป็นแบบจำลองทางคณิตศาสตร์หรือแบบจำลองคอมพิวเตอร์
ตามเครือข่ายประสาทชีวภาพ ในคำอื่น ๆมันคือการแข่งขันของทางระบบประสาท
[ 13 ] หลายชั้นธรรมดาเครือข่ายประสาท ( mlpnn ) ใช้ .
มันแผนที่ชุดของข้อมูลลงในชุดข้อมูลผลผลิตที่เหมาะสม มันประกอบด้วย 3 ชั้นข้อมูลชั้น , ชั้นซ่อน&
ออกชั้น มีการเชื่อมต่อระหว่างแต่ละชั้น&น้ำหนักให้กับการเชื่อมต่อแต่ละ หน้าที่หลักของ
เซลล์ประสาทในชั้นข้อมูลจะแบ่งใส่ซีเป็นเซลล์ประสาทในชั้นซ่อน . เซลล์ประสาทในชั้นซ่อนเพิ่มสัญญาณ Xi กับน้ำหนักของตน
wji การเชื่อมต่อจากชั้นข้อมูล ผลผลิตเยจินเป็นฟังก์ชันของเยจิน = F ( Σ wji Xi ) โดยที่ f เป็นฟังก์ชันง่ายๆ
เกณฑ์เช่น sigmoid หรือค่าฟังก์ชันแทนเจนต์ .
4.2 . ต้นไม้การตัดสินใจ
ต้นไม้การตัดสินใจแนวทางที่มีประสิทธิภาพมากขึ้นสำหรับปัญหาการจำแนกประเภท มีสองขั้นตอนในเทคนิคนี้
สร้างต้นไม้&ใช้ต้นไม้กับข้อมูล . มีหลายนิยมขั้นตอนวิธีต้นไม้ตัดสินใจรถเข็น , ID3 , โปรแกรม C4.5
chaid , และ j48 . จาก j48 ขั้นตอนวิธีที่ใช้ในระบบนี้ ขั้นตอนวิธี j48 ใช้วิธีการสร้างต้นไม้ .
การตัดแต่งกิ่งเป็นเทคนิคที่ช่วยลดขนาดของต้นไม้ โดยเอาข้อมูลที่เหมาะสม ซึ่งจะนำไปสู่ความไม่ดีใน
predications . การ j48 ขั้นตอนวิธี recursively ประมวลข้อมูลจนกว่าจะถูกจัดประเภทเป็นอย่างดีที่สุด เทคนิคนี้จะช่วยให้ความถูกต้องสูงสุด
ข้อมูลการฝึกอบรม แนวคิดโดยรวม คือ การสร้างความสมดุลของต้นไม้ ที่ให้ความยืดหยุ่น&
ความถูกต้อง .