his paper presents the data mining

his paper presents the data mining activity that was employed to mining weather data. The self-organizing data mining
approach employed is the enhanced Group Method of Data Handling (e-GMDH). The weather data used for the DM
research include daily temperature, daily pressure and monthly rainfall. Experimental results indicate that the proposed
approach is useful for data mining technique for forecasting weather data. The results of e-GMDH were compared to
those of PNN and its variant, e-PNN. The reason in these particular cases is unclear as e-GMDH generally outperforms
PNN and its variant in most modeling and prediction problems. This paper has shown that end-users of data mining
should endeavor to follow the methodology for DM since suspicious data points or outliers in a vast amount of data could
give unrealistic results which may affect knowledge inference. Inclusion of the graphical network is a good visual
instrument that would assist end-users to track how the e-GMDH advances in the search space. Empirical results also
show that there are various advantages and disadvantages for the different techniques considered. There is little reason to
expect that one can find a uniformly best learning algorithm for optimization of the performance for different weather
datasets. This is in accordance with the no free lunch theorem, which explains that for any algorithm, any elevated
performance over one class of problems is exactly paid for in performance over another class [28]. The dataset for the
average monthly rainfall used in this research is available for researchers to experiment with, using various self-organizing data mining techniques. Further work will include a graphical user interface (GUI) which is partly in place but
needs to be updated to include the current functionalities. Plans are in place for a partnership arrangement between the
Fiji Meteorological Service and University of the South Pacific with regards to the free exchange of weather data for
academic purposes and weather and climate monitoring purposes

ผลลัพธ์ (ไทย) 1:

กระดาษของเขานำเสนอกิจกรรมการทำเหมืองข้อมูลที่มีการทำเหมืองข้อมูลสภาพอากาศ การทำเหมืองข้อมูลจัดการตนเอง วิธีการทำงานเป็นการเพิ่มกลุ่มวิธีการของข้อมูลการจัดการ (e-GMDH) ข้อมูลสภาพอากาศการใช้ DM วิจัยมีอุณหภูมิประจำวัน ความดันทุกวัน และปริมาณน้ำฝนรายเดือน ผลการทดลองบ่งชี้ว่า การนำเสนอ วิธีใช้เทคนิคเหมืองข้อมูลการพยากรณ์อากาศข้อมูล ผลของอี GMDH ได้เปรียบเทียบกับ ผู้ PNN และตัวแปร อี PNN เหตุผลในกรณีนี้เฉพาะเป็นชัดเจนอี GMDH outperforms โดยทั่วไป PNN และตัวแปรการสร้างโมเดลและทำนายปัญหาส่วนใหญ่ กระดาษนี้ได้แสดงที่ผู้ทำเหมืองข้อมูล ควรพยายามที่จะทำตามวิธีใน DM ตั้งแต่จุดข้อมูลที่น่าสงสัย หรือ outliers ในข้อมูลจำนวนมากได้ ให้ผลไม่ที่มีผลต่อข้อความรู้ รวมของเครือข่ายแบบกราฟิกเป็นภาพดี เครื่องมือที่จะช่วยให้ผู้ใช้สามารถติดตามวิธีการ e-GMDH ความก้าวหน้าในพื้นที่การค้นหา ประจักษ์ผลยัง แสดงว่า มีข้อดีและข้อเสียสำหรับเทคนิคต่าง ๆ ที่พิจารณาต่าง ๆ มีเหตุผลน้อย คาดว่าการที่คุณสามารถหาอัลกอริทึมการเรียนสม่ำเสมอเมื่อเทียบเคียงสุดสำหรับเพิ่มประสิทธิภาพของประสิทธิภาพการทำงานในสภาพอากาศที่แตกต่างกัน datasets นี้เป็นไปตามไม่มีอาหารกลางวันฟรีทฤษฎีบท ซึ่งอธิบายที่สำหรับขั้นตอนวิธีใด ๆ มีสูง ประสิทธิภาพเหนือชั้นของปัญหาจะต้องชำระสำหรับประสิทธิภาพมากกว่าชั้นอื่น [28] ชุดข้อมูลสำหรับการ ปริมาณน้ำฝนรายเดือนที่เฉลี่ยที่ใช้ในงานวิจัยนี้มีการวิจัยทดลองใช้ ใช้เทคนิคเหมืองข้อมูลตนเองจัดการต่าง ๆ การจะมีส่วนติดต่อผู้ใช้แบบกราฟิก (GUI) ซึ่งเป็นส่วนหนึ่งในสถานที่ แต่ ต้องปรับปรุงการรวมฟังก์ชันการทำงานปัจจุบัน แผนจะเป็นการจัดร่วมระหว่างการ บริการอุตุนิยมวิทยาฟิจิและมหาวิทยาลัยแปซิฟิคใต้เกี่ยวกับการแลกเปลี่ยนข้อมูลสภาพอากาศสำหรับฟรี วิชาการ และสภาพอากาศ และสภาพภูมิอากาศในการตรวจสอบวัตถุประสงค์

ผลลัพธ์ (ไทย) 2:

กระดาษของเขาที่มีการจัดกิจกรรมการทำเหมืองข้อมูลที่ถูกจ้างมาเพื่อการทำเหมืองข้อมูลสภาพอากาศ ตนเองจัดทำเหมืองข้อมูล
วิธีการจ้างงานเป็นกลุ่มที่เพิ่มขึ้นวิธีการจัดการข้อมูล (E-GMDH) ข้อมูลสภาพอากาศที่ใช้สำหรับ DM
การวิจัยรวมถึงวันอุณหภูมิความดันและปริมาณน้ำฝนรายวันรายเดือน ผลการทดลองแสดงให้เห็นว่าการเสนอ
วิธีการที่จะเป็นประโยชน์สำหรับเทคนิคการทำเหมืองข้อมูลสำหรับการคาดการณ์ข้อมูลสภาพอากาศ ผลของ e-GMDH ถูกเมื่อเทียบกับ
ผู้ที่ PNN และตัวแปร e-PNN เหตุผลในกรณีเหล่านี้โดยเฉพาะก็ไม่มีความชัดเจนว่า e-GMDH โดยทั่วไปมีประสิทธิภาพดีกว่า
PNN และตัวแปรในการสร้างแบบจำลองและปัญหาส่วนใหญ่คาดการณ์ บทความนี้แสดงให้เห็นว่าผู้ใช้ขั้นปลายของการทำเหมืองข้อมูล
ควรพยายามที่จะทำตามวิธีการสำหรับ DM ตั้งแต่จุดข้อมูลที่น่าสงสัยหรือผิดปกติในจำนวนเงินที่มากมายของข้อมูลอาจ
ให้ผลลัพธ์ที่ไม่สมจริงซึ่งอาจส่งผลกระทบต่อการอนุมานความรู้ รวมของเครือข่ายแบบกราฟิกเป็นภาพที่ดี
เครื่องมือที่จะช่วยให้ผู้ใช้สามารถติดตามวิธีการ e-GMDH ก้าวหน้าในพื้นที่ค้นหา ผลการศึกษายัง
แสดงให้เห็นว่ามีข้อดีและข้อเสียที่แตกต่างกันสำหรับเทคนิคที่แตกต่างกันพิจารณา มีเหตุผลที่จะเป็น
คาดหวังว่าหนึ่งสามารถหาวิธีการที่ดีที่สุดในการเรียนรู้อย่างสม่ำเสมอเพื่อเพิ่มประสิทธิภาพของการปฏิบัติงานสำหรับสภาพอากาศที่แตกต่างกัน
ชุดข้อมูล นี้เป็นไปตามทฤษฎีบทอาหารกลางวันฟรีไม่ซึ่งอธิบายว่าสำหรับขั้นตอนวิธีการใด ๆ ที่ยกระดับ
ประสิทธิภาพการทำงานที่เหนือชั้นหนึ่งของปัญหาที่มีการจ่ายเงินว่าสำหรับในการทำงานมากกว่าชั้นอื่น [28] ชุดสำหรับ
ปริมาณน้ำฝนเฉลี่ยต่อเดือนใช้ในการวิจัยนี้สามารถใช้ได้สำหรับนักวิจัยที่จะทดสอบด้วยตัวเองโดยใช้การจัดระเบียบต่างๆเทคนิคการทำเหมืองข้อมูล การทำงานต่อไปจะมีส่วนติดต่อผู้ใช้แบบกราฟิก (GUI) ซึ่งเป็นส่วนหนึ่งในสถานที่ แต่
จะต้องมีการปรับปรุงให้มีฟังก์ชันการทำงานในปัจจุบัน มีแผนในสถานที่สำหรับการจัดความร่วมมือระหว่าง
ประเทศฟิจิบริการอุตุนิยมวิทยาและมหาวิทยาลัยเซาท์แปซิฟิกเกี่ยวกับการแลกเปลี่ยนฟรีของข้อมูลสภาพอากาศสำหรับ
เชิงวิชาการและสภาพอากาศและวัตถุประสงค์การตรวจสอบสภาพภูมิอากาศ

ผลลัพธ์ (ไทย) 3:

รายงานแสดงข้อมูลที่เหมืองแร่ กิจกรรมที่โรงเรียนเหมืองแร่ข้อมูลสภาพอากาศ การใช้เหมืองข้อมูล
บนวิธีการเพิ่มกลุ่ม วิธีการจัดการข้อมูล ( e-gmdh ) ข้อมูลภูมิอากาศใช้ DM
การวิจัยรวมถึงอุณหภูมิความดันและปริมาณน้ำฝนรายวัน รายวัน รายเดือน ผลการทดลองพบว่า การเสนอ
แนวทางที่เป็นประโยชน์สำหรับเทคนิคการทำเหมืองข้อมูลสำหรับการพยากรณ์ข้อมูลสภาพอากาศ ผล e-gmdh เปรียบเทียบ

พวก pnn และแตกต่าง e-pnn . เหตุผลในกรณีนี้โดยเฉพาะเป็นไม่ชัดเจน e-gmdh โดยทั่วไปมีประสิทธิภาพดีกว่า
pnn ตัวแปรในแบบจำลองและปัญหามากที่สุดและพยากรณ์ บทความนี้ได้แสดงให้เห็นว่าผู้ใช้เหมืองข้อมูล
ควรพยายามที่จะปฏิบัติตามวิธีการ DM ตั้งแต่สงสัยหรือผิดปกติในจุดข้อมูลจำนวนเงินที่มากมายของข้อมูลที่อาจให้ผลลัพธ์ที่ไม่สมจริง
ซึ่งอาจมีผลต่อการอนุมานความรู้ รวมของเครือข่ายแบบกราฟิกเป็นภาพที่ดีที่จะช่วยผู้ใช้งาน
เครื่องมือเพื่อติดตามว่า e-gmdh ความก้าวหน้าในการค้นหาพื้นที่
ผลยังแสดงให้เห็นว่ามีข้อดีและข้อเสียแตกต่างกัน เทคนิคต่าง ๆเพื่อพิจารณา มีสาเหตุเพียงเล็กน้อย

คาดว่า หนึ่งสามารถหาจุดที่ดีที่สุดการเรียนรู้ขั้นตอนวิธีสำหรับการเพิ่มประสิทธิภาพของประสิทธิภาพของข้อมูลสภาพอากาศ
แตกต่างกัน นี้เป็นไปตามไม่มีอาหารกลางวันฟรีทฤษฎีบทซึ่งอธิบายว่า สำหรับใด ๆใด ๆ ยกระดับ
ขั้นตอนวิธีประสิทธิภาพมากกว่าหนึ่งชั้นเรียนของปัญหาคือว่าเงินในประสิทธิภาพเหนือชั้นอื่น [ 28 ] ข้อมูลสำหรับ
เฉลี่ยปริมาณน้ำฝนที่ใช้ในงานวิจัยนี้สามารถใช้ได้สำหรับนักวิจัยทดลองโดยใช้เทคนิคการทำเหมืองข้อมูลบนต่าง ๆ งานต่อไปจะรวมถึงส่วนติดต่อผู้ใช้แบบกราฟิก ( GUI ) ซึ่งเป็นส่วนหนึ่งในสถานที่แต่
ต้องการที่จะได้รับการปรับปรุงเพื่อรวมฟังก์ชันปัจจุบัน มีแผนในสถานที่สำหรับความร่วมมือข้อตกลงระหว่าง
ฟิจิอุตุนิยมวิทยาบริการ และ มหาวิทยาลัยเซาท์แปซิฟิก ด้วยการไปถึงการแลกเปลี่ยนฟรีของข้อมูลสภาพอากาศสำหรับ
วิชาการและสภาพอากาศและการตรวจสอบวัตถุประสงค์ในภูมิอากาศ