Data mining (DM) is the process of

Data mining (DM) is the process of selecting, exploring and modeling large amounts of data in order to discover unknown patterns or relationships which provide a clear and useful result to data analyst [1]. In today technological era, millions of bytes are created within a small fragment of time. Analyzing such vast amount of data manually is beyond the scope of a human being. In such scenario data mining tools and methods give an opportunity to discover knowledge hidden in large databases. This knowledge might be useful for the user or may be a waste. This decision of usefulness of the discovered knowledge is decided based on some evaluation criteria. The most common evaluation criteria is to measure four parameters i.e. true positive, true negative, false positive and false negative and calculate the efficiency of the data mining technique being applied.

ผลลัพธ์ (ไทย) 1:

(DM) การทำเหมืองข้อมูลเป็นกระบวนการเลือก การสำรวจ และการสร้างแบบจำลองข้อมูลจำนวนมากเพื่อค้นหารูปแบบที่ไม่รู้จักหรือความสัมพันธ์ที่ให้ผลลัพธ์ชัดเจน และเป็นประโยชน์ในการวิเคราะห์ข้อมูล [1] ในยุคปัจจุบันเทคโนโลยี ล้านไบต์ถูกสร้างขึ้นภายในส่วนเล็กของเวลา วิเคราะห์ข้อมูลจำนวนมหาศาลดังกล่าวด้วยตนเองอยู่นอกเหนือขอบเขตของมนุษย์ ในเครื่องมือการทำเหมืองข้อมูลสถานการณ์และวิธีการดังกล่าวให้มีโอกาสที่จะค้นพบความรู้ที่ซ่อนอยู่ในฐานข้อมูลขนาดใหญ่ ความรู้นี้อาจเป็นประโยชน์สำหรับผู้ใช้ หรืออาจจะเสีย ตัดสินใจครั้งนี้ของประโยชน์ของความรู้ที่ค้นพบเป็นการตัดสินใจตามเกณฑ์การประเมินบาง เกณฑ์การประเมินทั่วไปคือการ วัดพารามิเตอร์ทั้งสี่ที่จริงเช่นบวก บวกลบ เท็จจริงและเท็จเป็นลบ และคำนวณประสิทธิภาพของเทคนิคการทำเหมืองข้อมูลที่ใช้

ผลลัพธ์ (ไทย) 2:

การทำเหมืองข้อมูล (DM) เป็นกระบวนการของการเลือก, การสำรวจและการสร้างแบบจำลองข้อมูลจำนวนมากเพื่อที่จะค้นพบรูปแบบที่ไม่รู้จักหรือความสัมพันธ์ที่ให้ผลที่ชัดเจนและมีประโยชน์ในการวิเคราะห์ข้อมูล [1] ในยุคเทคโนโลยีในปัจจุบันนับล้านไบต์ถูกสร้างขึ้นภายในชิ้นส่วนขนาดเล็กของเวลา การวิเคราะห์จำนวนมหาศาลดังกล่าวของข้อมูลด้วยตนเองอยู่นอกเหนือขอบเขตของมนุษย์ ในสถานการณ์เช่นเครื่องมือการทำเหมืองข้อมูลและวิธีการให้โอกาสที่จะค้นพบความรู้ที่ซ่อนอยู่ในฐานข้อมูลขนาดใหญ่ ความรู้นี้อาจจะมีประโยชน์สำหรับผู้ใช้หรืออาจจะเสีย การตัดสินใจของประโยชน์ของความรู้ที่ค้นพบนี้จะตัดสินใจบนพื้นฐานของเกณฑ์การประเมินบาง เกณฑ์การประเมินผลที่พบมากที่สุดคือการวัดพารามิเตอร์ทั้งสี่คือความจริงบวกจริงลบเท็จในเชิงบวกและเชิงลบเท็จและคำนวณประสิทธิภาพของเทคนิคการทำเหมืองข้อมูลที่ถูกนำมาใช้

ผลลัพธ์ (ไทย) 3:

การทำเหมืองข้อมูล ( DM ) เป็นกระบวนการของการสํารวจและการสร้างแบบจำลองข้อมูลปริมาณมากเพื่อค้นพบที่ไม่รู้จักรูปแบบหรือความสัมพันธ์ที่ให้ผลที่ชัดเจน และเป็นประโยชน์แก่นักวิเคราะห์ข้อมูล [ 1 ] ในยุคเทคโนโลยีวันนี้ ล้านไบต์จะถูกสร้างขึ้นในส่วนเล็ก ๆของเวลา วิเคราะห์ข้อมูลด้วยตนเองเป็นจํานวนมาก เช่น เกินขอบเขตของมนุษย์ ข้อมูลเครื่องมือเหมืองแร่ในสถานการณ์ดังกล่าวและวิธีการให้โอกาสที่จะค้นพบความรู้ที่ซ่อนอยู่ในฐานข้อมูลขนาดใหญ่ ความรู้นี้อาจเป็นประโยชน์ต่อผู้ใช้ หรืออาจจะเสีย การตัดสินใจนี้ของประโยชน์ของการค้นพบความรู้จะตัดสินตามหลักเกณฑ์การประเมิน เกณฑ์การประเมินที่พบมากที่สุดคือ การวัดตัวแปร 4 ตัว คือ จริง บวก ลบ จริงเท็จบวกและลบเท็จและคำนวณประสิทธิภาพของเทคนิคเหมืองข้อมูลการประยุกต์