งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

การขุดค้นข้อมูล (Data Mining)

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "การขุดค้นข้อมูล (Data Mining)"— ใบสำเนางานนำเสนอ:

1 การขุดค้นข้อมูล (Data Mining)
ผู้สอน: พิชญา แก้วกสิ

2 หัวข้อการบรรยาย วิวัฒนาการของเทคโนโลยีฐานข้อมูล
กระบวนการทาง Data Mining การค้นหาความรู้จากฐานข้อมูล ประเภทของข้อมูลที่นำมาขุดค้น ประเภทของรูปแบบข้อมูลที่ขุดค้นมาได้ การนำ Data Mining ไปประยุกต์ใช้

3 วิวัฒนาการของเทคโนโลยีฐานข้อมูล
การเก็บรวบรวมข้อมูล (Data Collection) และการสร้างฐานข้อมูล (Database Creation) - (ยุค 1960) การประมวลผล File แบบดั้งเดิม

4 วิวัฒนาการของเทคโนโลยีฐานข้อมูล
ระบบการจัดการฐานข้อมูล (Database Management Systems) - ( ช่วงต้นของยุค 1980) ระบบฐานข้อมูลแบบลำดับขั้น (Hierarchical Database System) และระบบฐานข้อมูลแบบเครือข่าย (Network Database System) ระบบฐานข้อมูลแบบสัมพันธ์ (Relational Database System) เครื่องมือสร้างแบบจำลองข้อมูล (Data Modeling Tool) เทคนิคการทำดัชนี (Indexing) Query Language

5 วิวัฒนาการของเทคโนโลยีฐานข้อมูล
ส่วนติดต่อกับผู้ใช้ (User Interface) และรายงาน (Report) การประมวลผล Query (Query Processing) และการปรับปรุงประสิทธิภาพของ Query ให้สูงสุด (Query Optimization) การจัดการ Transaction (Transaction Management) การประมวลผล Transaction แบบ On-line (On-line transaction processing - OLTP)

6 วิวัฒนาการของเทคโนโลยีฐานข้อมูล
ระบบฐานข้อมูลขั้นสูง ระบบฐานข้อมูลเชิง Web Data Warehousing และ Data Mining

7 วิวัฒนาการของเทคโนโลยีฐานข้อมูล
ระบบฐานข้อมูลขั้นสูง - (ช่วงกลางของยุค ปัจจุบัน) แบบจำลองข้อมูลขั้นสูง (Advanced Data Model) ฐานข้อมูลเชิงการประยุกต์ (Application-oriented)

8 วิวัฒนาการของเทคโนโลยีฐานข้อมูล
ระบบฐานข้อมูลเชิง Web (Web-based Database System) - (ยุค ปัจจุบัน) ระบบฐานข้อมูลเชิง XML (XML-based Database System) Web Mining

9 วิวัฒนาการของเทคโนโลยีฐานข้อมูล
Data Warehousing และ Data Mining - (ช่วงปลายยุค ปัจจุบัน) Data Warehouse และเทคโนโลยี OLAP Data Mining และ Knowledge Discovery

10 วิวัฒนาการของเทคโนโลยีฐานข้อมูล
ระบบสารสนเทศแบบบูรณาการยุคใหม่ (Integrated Information System) - ( … )

11 Data Mining ข้อมูลตั้งเยอะแยะ จะทำยังไงดี

12 ดึงเอาความรู้ออกมาใช้ดีกว่า
Data Mining ดึงเอาความรู้ออกมาใช้ดีกว่า Knowledge

13 Data Pyramid Knowledge Information Data

14 Data Mining Data Mining = การนำเอาความรู้ (Knowledge) ที่น่าสนใจ เช่น กฎ (rule), รูปแบบ (pattern), ข้อกำหนด (constraint) ออกมาจากข้อมูลที่อยู่ในฐานข้อมูล Data Analysis, Data Archaeology, Data Dredging ...

15 Data Mining Statistics Database Machine Learning Data Mining
Data Warehouse Pattern Recognition

16 Database Query VS Data Mining
ลูกค้าทั้งหมดที่ซื้อสินค้าเกิน 1000 บาทในเดือนที่แล้ว ลูกค้าทั้งหมดที่ซื้อขนมปัง มีลูกหนี้กี่คนที่มีเงินเดือนสูงกว่า บาท รูปแบบพฤติกรรมการซื้อสินค้าของลูกค้า ถ้าลูกค้าซื้อขนมปังแล้วจะซื้อ สินค้าใดด้วยบ้าง ลูกหนี้ที่เป็นลูกหนี้ชั้นดีมีคุณสมบัติอย่างไรบ้าง

17 การค้นหาความรู้จากฐานข้อมูล
Knowledge Discovery in Databases (KDD) การประยุกต์ใช้ความรู้ (Knowledge) ที่เก็บอยู่ในฐานข้อมูลให้ได้ประโยชน์สูงสุด

18 กระบวนการค้นหาความรู้จากฐานข้อมูล
Evaluation and Presentation Knowledge Data Mining Selection and Transformation Cleaning and Integration

19 กระบวนการค้นหาความรู้จากฐานข้อมูล
Data Cleaning Data Integration Data Selection Data Transformation Data Mining Pattern Evaluation Knowledge Presentation

20 Data Cleaning การกำจัดข้อมูลที่ผิดปกติ (Noise) หรือไม่ถูกต้องออกไป

21 Data Integration การรวมเอาข้อมูลจากหลายๆแหล่งมาไว้เข้าด้วยกัน

22 Data Selection การเลือกเอาเฉพาะข้อมูลที่เกี่ยวข้องกับสิ่งที่ต้องการวิเคราะห์ออกมา

23 Data Transformation การแปลงข้อมูลให้อยู่ในรูปแบบที่สามารถจะนำไปใช้ในการทำ Data Mining -2, 32, 100, 59, , 0.32, 1.00, 0.59, 0.48

24 Data Mining วิธีการดึงเอารูปแบบ (Pattern) ของข้อมูลออกมา

25 Pattern Evaluation การประเมินความถูกต้องของรูปแบบที่ได้มา

26 Knowledge Representation
การนำเสนอความรู้ (Knowledge) ที่ได้มาให้ User

27 ประเภทของข้อมูลที่นำมาขุดค้น
Relational Database Data Warehouse Transaction Database Object-Oriented Database Object-Relational Database Spatial Database

28 ประเภทของข้อมูลที่นำมาขุดค้น
Temporal Database Time-Series Database Text Database Multimedia Database WWW

29 ประเภทของรูปแบบข้อมูลที่ขุดค้นมาได้
Predictive Descriptive

30 Predictive Classification Regression Prediction

31 Regression วงเงิน รายได้

32 Descriptive Clustering Summarization Association

33 Clustering วงเงิน รายได้

34 การนำ Data Mining ไปประยุกต์ใช้
การช่วยในการตัดสินใจอนุมัติเงินสินเชื่อ การพยากรณ์ปริมาณการใช้ไฟฟ้า การวิเคราะห์ยอดขายสินค้า การวิเคราะห์รูปแบบพฤติกรรมการซื้อของผู้บริโภค


ดาวน์โหลด ppt การขุดค้นข้อมูล (Data Mining)

งานนำเสนอที่คล้ายกัน


Ads by Google