Data Mining Tutorial for CS for Android APK

ការពិពណ៌នា

ការជីកយករ៉ែទិន្នន័យគឺជាដំណើរការនៃការស្វែងរកគំរូនៅក្នុងសំណុំទិន្នន័យធំដែលពាក់ព័ន្ធនឹងវិធីសាស្រ្តនៅចំនុចប្រសព្វនៃការរៀនម៉ាស៊ីន ស្ថិតិ និងប្រព័ន្ធទិន្នន័យ។ ការជីកយករ៉ែទិន្នន័យគឺជាអនុផ្នែករងនៃវិទ្យាសាស្ត្រកុំព្យូទ័រ និងស្ថិតិដែលមានគោលដៅរួមដើម្បីទាញយកព័ត៌មាន (ជាមួយវិធីសាស្ត្រឆ្លាតវៃ) ពីសំណុំទិន្នន័យ និងបំប្លែងព័ត៌មានទៅជារចនាសម្ព័ន្ធដែលអាចយល់បានសម្រាប់ការប្រើប្រាស់បន្ថែមទៀត។ ការជីកយករ៉ែទិន្នន័យគឺជាជំហានវិភាគនៃដំណើរការ "ការរកឃើញចំណេះដឹងនៅក្នុងមូលដ្ឋានទិន្នន័យ" ឬ KDD ។ ក្រៅពីជំហាននៃការវិភាគឆៅ វាក៏រួមបញ្ចូលផងដែរនូវទិដ្ឋភាពនៃការគ្រប់គ្រងទិន្នន័យ និងការគ្រប់គ្រងទិន្នន័យ ការដំណើរការទិន្នន័យជាមុន ការពិចារណាគំរូ និងការសន្និដ្ឋាន មាត្រដ្ឋានគួរឱ្យចាប់អារម្មណ៍ ការពិចារណាភាពស្មុគស្មាញ ការដំណើរការក្រោយដំណើរការនៃរចនាសម្ព័ន្ធដែលបានរកឃើញ ការមើលឃើញ និងការធ្វើឱ្យទាន់សម័យតាមអ៊ីនធឺណិត។

ពាក្យ "ការជីកយករ៉ែទិន្នន័យ" គឺជាឈ្មោះខុស ព្រោះគោលដៅគឺការទាញយកលំនាំ និងចំណេះដឹងពីទិន្នន័យយ៉ាងច្រើន មិនមែនការទាញយក (ការជីកយករ៉ែ) ទិន្នន័យខ្លួនឯងនោះទេ។ វាក៏ជាពាក្យចចាមអារ៉ាម ហើយជារឿយៗត្រូវបានអនុវត្តចំពោះទម្រង់នៃទិន្នន័យ ឬដំណើរការព័ត៌មានទ្រង់ទ្រាយធំណាមួយ (ការប្រមូល ការស្រង់ចេញ ឃ្លាំង ការវិភាគ និងស្ថិតិ) ក៏ដូចជាកម្មវិធីណាមួយនៃប្រព័ន្ធគាំទ្រការសម្រេចចិត្តរបស់កុំព្យូទ័រ រួមទាំងបញ្ញាសិប្បនិម្មិត (ឧ. ម៉ាស៊ីន ការរៀនសូត្រ) និងភាពវៃឆ្លាតអាជីវកម្ម។ សៀវភៅការជីកយករ៉ែទិន្នន័យ៖ ឧបករណ៍រៀនម៉ាស៊ីនជាក់ស្តែង និងបច្ចេកទេសជាមួយចាវ៉ា (ដែលគ្របដណ្តប់ភាគច្រើនជាសម្ភារៈសិក្សាម៉ាស៊ីន) ដើមឡើយត្រូវបានគេដាក់ឈ្មោះថាគ្រាន់តែជាការរៀនម៉ាស៊ីនជាក់ស្តែង ហើយពាក្យការជីកយករ៉ែទិន្នន័យត្រូវបានបន្ថែមសម្រាប់ហេតុផលទីផ្សារប៉ុណ្ណោះ។ ជាញឹកញាប់ពាក្យទូទៅ (ខ្នាតធំ) ការវិភាគទិន្នន័យ និងការវិភាគ ឬនៅពេលសំដៅលើវិធីសាស្ត្រជាក់ស្តែង បញ្ញាសិប្បនិម្មិត និងការរៀនម៉ាស៊ីនគឺសមរម្យជាង។

ភារកិច្ចរុករកទិន្នន័យជាក់ស្តែងគឺការវិភាគពាក់កណ្តាលស្វ័យប្រវត្តិ ឬដោយស្វ័យប្រវត្តិនៃទិន្នន័យបរិមាណដ៏ច្រើន ដើម្បីទាញយកគំរូដែលមិនស្គាល់ពីមុនមក គំរូគួរឱ្យចាប់អារម្មណ៍ដូចជាក្រុមនៃកំណត់ត្រាទិន្នន័យ (ការវិភាគចង្កោម) កំណត់ត្រាមិនធម្មតា (ការរកឃើញភាពមិនប្រក្រតី) និងភាពអាស្រ័យ (ការជីកយករ៉ែច្បាប់សមាគម។ ការជីកយករ៉ែតាមលំនាំបន្តបន្ទាប់) ។ ជាធម្មតាវាពាក់ព័ន្ធនឹងការប្រើប្រាស់បច្ចេកទេសមូលដ្ឋានទិន្នន័យ ដូចជាសន្ទស្សន៍ទំហំ។ បន្ទាប់មក គំរូទាំងនេះអាចត្រូវបានគេមើលឃើញថាជាប្រភេទនៃការសង្ខេបនៃទិន្នន័យបញ្ចូល ហើយអាចត្រូវបានប្រើប្រាស់ក្នុងការវិភាគបន្ថែម ឬឧទាហរណ៍នៅក្នុងការរៀនម៉ាស៊ីន និងការវិភាគទស្សន៍ទាយ។ ជាឧទាហរណ៍ ជំហានរុករកទិន្នន័យអាចកំណត់អត្តសញ្ញាណក្រុមជាច្រើននៅក្នុងទិន្នន័យ ដែលបន្ទាប់មកអាចត្រូវបានប្រើដើម្បីទទួលបានលទ្ធផលទស្សន៍ទាយត្រឹមត្រូវជាងមុនដោយប្រព័ន្ធគាំទ្រការសម្រេចចិត្ត។ ទាំងការប្រមូលទិន្នន័យ ការរៀបចំទិន្នន័យ ឬការបកស្រាយលទ្ធផល និងការរាយការណ៍មិនមែនជាផ្នែកនៃជំហានរុករកទិន្នន័យនោះទេ ប៉ុន្តែជាកម្មសិទ្ធិរបស់ដំណើរការ KDD ទាំងមូលជាជំហានបន្ថែម។

ឃ្លាំងទិន្នន័យត្រូវបានសាងសង់ដោយការរួមបញ្ចូលទិន្នន័យពីប្រភពផ្សេងៗគ្នាជាច្រើន។

វាគាំទ្រការរាយការណ៍ការវិភាគ រចនាសម្ព័ន្ធ និង/ឬ សំណួរពិសេស និងការសម្រេចចិត្ត។ ការបង្រៀននេះអនុម័តវិធីសាស្រ្តមួយជំហានម្តងមួយៗដើម្បីពន្យល់ពីគោលគំនិតចាំបាច់ទាំងអស់នៃការផ្ទុកទិន្នន័យ។

បណ្តុំមេរៀននៃប្រភេទគឺនៅខាងក្រោម ហើយផ្តល់នូវប្រធានបទទាំងអស់ដែលចូលចិត្ត។

ទិដ្ឋភាពទូទៅឃ្លាំងទិន្នន័យ

គំនិតឃ្លាំងទិន្នន័យ

ដំណើរការប្រព័ន្ធឃ្លាំងទិន្នន័យ

ស្ថាបត្យកម្មឃ្លាំងទិន្នន័យ

ល័ក្ខខ័ណ្ឌនៃឃ្លាំងទិន្នន័យ

ដំណើរការចែកចាយឃ្លាំងទិន្នន័យ

Data Warehouse Multidimensional OLAP

គ្រោងការណ៍ឃ្លាំងទិន្នន័យ

ការធ្វើតេស្តឃ្លាំងទិន្នន័យ

ទិដ្ឋភាពអនាគតនៃឃ្លាំងទិន្នន័យ

សំណួរសម្ភាសន៍ឃ្លាំងទិន្នន័យ

យុទ្ធសាស្ត្របែងចែកឃ្លាំងទិន្នន័យ

គោលគំនិតទិន្នន័យមេតានៃឃ្លាំងទិន្នន័យ

Data Warehouse Data Martining

អ្នកគ្រប់គ្រងប្រព័ន្ធឃ្លាំងទិន្នន័យ

អ្នកគ្រប់គ្រងដំណើរការឃ្លាំងទិន្នន័យ

សុវត្ថិភាពឃ្លាំងទិន្នន័យ

ការលៃតម្រូវឃ្លាំងទិន្នន័យ

និងអ្នកផ្សេងទៀតជាច្រើន។