A knowledge management approach to

A knowledge management approach to data
mining process, otherwise associated with business intelligence
technology, brings some new synergy and added value to data
mining solutions (Wang & Wang, 2008). This study was focused
on HEI’s knowledge management systems as part of their educational
and research work (Baker & Yacef, 2009; Delavari, Somnuk,
& Beikzadeh, 2008).
Unfortunately most data mining techniques work best with
very large samples. Following that, Andonie (2010), reported that
some data mining techniques, such as neural networks may not
be able to accomplish the learning task (during the training phase)
since small datasets cannot provide enough data to fill the gaps
between too small samples. As a consequence, several authors concluded
that small datasets limit the scope of data mining technique
(Yuan & Fine, 1998).

ผลลัพธ์ (ไทย) 1:

วิธีการจัดการความรู้เป็นข้อมูลกระบวนการทำเหมืองแร่ อื่น ที่เกี่ยวข้องกับระบบสารสนเทศธุรกิจเทคโนโลยี นำ synergy ใหม่บางและเพิ่มค่าข้อมูลวิธีการทำเหมือง (วังและวัง 2008) การศึกษานี้ที่เน้นในระบบการจัดการความรู้ของไห่เป็นส่วนหนึ่งของการศึกษาและงานวิจัย (เบเกอร์ & Yacef, 2009 Delavari สมนึก& Beikzadeh, 2008)แต่เทคนิคการทำเหมืองข้อมูลส่วนใหญ่เข้ากันดีตัวอย่างมีขนาดใหญ่มาก ต่อว่า Andonie (2010), รายงานว่าข้อมูลบางอย่าง เทคนิคการทำเหมืองเช่นเครือข่ายประสาทอาจไม่สามารถทำงานเรียนรู้ (ระหว่างขั้นตอนการฝึกอบรม)ตั้งแต่ datasets ขนาดเล็กไม่สามารถให้ข้อมูลเพียงพอในการเติมช่องว่างระหว่างตัวอย่างเล็กเกินไป ผล หลายผู้เขียนสรุปdatasets ขนาดเล็กที่จำกัดขอบเขตของเทคนิคการทำเหมืองข้อมูล(หยวนและดี 1998)

ผลลัพธ์ (ไทย) 2:

วิธีการจัดการความรู้ข้อมูล
ขั้นตอนการทำเหมืองแร่ที่เกี่ยวข้องอย่างอื่นที่มีระบบธุรกิจอัจฉริยะ
เทคโนโลยีนำบางส่วนทำงานร่วมกันใหม่และมูลค่าเพิ่มให้กับข้อมูล
การแก้ปัญหาการทำเหมืองแร่ (วังและวัง 2008) การศึกษาครั้งนี้ได้เน้น
ใน HEI ระบบการจัดการความรู้เป็นส่วนหนึ่งของการศึกษาของพวกเขา
ในการทำงานและการวิจัย (Baker & Yacef 2009; Delavari, สมนึก,
และ Beikzadeh 2008).
แต่น่าเสียดายที่ข้อมูลส่วนใหญ่เทคนิคการทำเหมืองทำงานได้ดีกับ
ตัวอย่างที่มีขนาดใหญ่มาก ต่อไปนี้ที่ Andonie (2010) รายงานว่า
บางเทคนิคการทำเหมืองข้อมูลเช่นเครือข่ายประสาทอาจจะไม่
สามารถที่จะบรรลุผลงานการเรียนรู้ (ในระหว่างขั้นตอนการฝึกอบรม)
ตั้งแต่ชุดข้อมูลขนาดเล็กที่ไม่สามารถให้ข้อมูลมากพอที่จะเติมช่องว่าง
ระหว่างกลุ่มตัวอย่างที่มีขนาดเล็กเกินไป เป็นผลให้นักเขียนหลายคนสรุป
ว่าชุดข้อมูลขนาดเล็กที่ จำกัด ขอบเขตของการใช้เทคนิคการทำเหมืองข้อมูล
(หยวนและวิจิตร, 1998)

ผลลัพธ์ (ไทย) 3:

ความรู้การจัดการเชิงข้อมูล
กระบวนการทำเหมือง หรือเกี่ยวข้องกับเทคโนโลยีปัญญา
ธุรกิจ นำบางส่วน ( ใหม่และเพิ่มมูลค่าให้กับโซลูชั่นการทำเหมืองข้อมูล
( วัง&วัง , 2008 ) การศึกษานี้เน้นเรื่องของระบบการจัดการความรู้ เฮ

ในส่วนของการศึกษาและวิจัย ( Baker & yacef , 2009 ; delavari สมนึก
, ,
& beikzadeh , 2008 )แต่น่าเสียดายที่ข้อมูลที่สุดเหมืองเทคนิคทำงานที่ดีที่สุดกับ
ตัวอย่างขนาดใหญ่มาก หลังจากนั้น andonie ( 2553 ) รายงานว่า
บางเทคนิคการทำเหมืองข้อมูล เช่นโครงข่ายประสาทเทียมอาจไม่ใช่
สามารถบรรลุผลงานเรียนรู้ในขั้นตอนการฝึกอบรม )
ตั้งแต่ข้อมูลขนาดเล็กไม่สามารถให้ข้อมูลที่เพียงพอเพื่อเติมช่องว่าง
ระหว่างตัวอย่างมีขนาดเล็กเกินไป อย่างไรก็ดี ผู้เขียนสรุปได้
หลายข้อมูลขนาดเล็กที่ จำกัด ขอบเขตของเทคนิคเหมืองข้อมูล
( หยวน&ดี , 1998 )