Traditional data mining processes, methods and technology oriented to static type data (data not having a time serie
framework), has grown immensely in the last quarter century (Fayyad, ET. Al. (1996), Cabena, ET. Al. (1998), Berry
(2000), Pyle (2003), Duling, Thompson (2005), Rey, Kalos (2005), Kurgan and Musilek (2006), Han, Kamber (2012))
These references speak to the process as well as the myriad of methods aimed at building prediction models on data
that does not have a time series framework. The idea motivating this paper is that there is significant value in the
interdisciplinary notion of data mining for forecasting. That is, the use of time-series based methods to mine data
collected over time.
ข้อมูลแบบดั้งเดิมกระบวนการทำเหมืองแร่วิธีการและเทคโนโลยีที่มุ่งเน้นไปยังชนิดข้อมูลแบบคงที่ (ข้อมูลที่ไม่ได้มีเวลาในเซเรียอา
กรอบ) ได้เติบโตขึ้นอย่างมากในศตวรรษที่สิบห้าครั้งสุดท้าย (Fayyad, et al.. (1996), cabena, et al.. ( 1998), เบอร์รี่
(2000) พีเล (2003), Duling ธ อมป์สัน (2005), เรย์, Kalos (2005), Kurgan และ musilek (2006), ฮัน Kamber (2012))
การอ้างอิงเหล่านี้พูดคุยกับกระบวนการเช่นเดียวกับที่มากมายของวิธีการมุ่งเป้าไปที่การสร้างรูปแบบการคาดการณ์เมื่อ
ข้อมูลที่ไม่ได้มีกรอบเวลาแบบ ความคิดที่สร้างแรงจูงใจกระดาษนี้เป็นที่มีค่าอย่างมีนัยสำคัญในความคิดแบบสหวิทยาการ
จากการทำเหมืองข้อมูลสำหรับการคาดการณ์ นั่นคือการใช้วิธีการตามอนุกรมเวลาข้อมูลเหมือง
เก็บเมื่อเวลาผ่านไป
การแปล กรุณารอสักครู่..
กระบวนการทำเหมืองข้อมูลดั้งเดิม วิธีการ และเทคโนโลยีที่มุ่งเน้นข้อมูลชนิดถาวร (ข้อมูลไม่มีสูตรเวลา
กรอบ), มีพัฒนาอย่างกว้างขวางในศตวรรษที่ไตรมาสสุดท้าย (Fayyad, ET Al. (1996), Cabena, ET Al. (1998), Berry
(2000), พีย์ (2003), Duling ทอมป์สัน (2005), เรย์ Kalos (2005), Kurgan และ Musilek (2006), ฮั่น Kamber (2012))
อ้างอิงเหล่านี้พูดกระบวนการรวมทั้งให้มุ่งสร้างโมเดลทำนายข้อมูลวิธี
ที่ไม่มีกรอบเวลาชุดการ ความคิดที่สร้างแรงจูงใจกระดาษนี้เป็นที่มีค่าสำคัญในการ
อาศัยแนวคิดของการทำเหมืองข้อมูลการคาดการณ์ นั่นคือ การใช้ชุดข้อมูลเวลาตามวิธีการเหมืองข้อมูล
รวบรวมช่วงเวลา
การแปล กรุณารอสักครู่..