การทำเหมืองข้อมูลด้วย Rapidminer Studio 6
วันที่เขียน 9/9/2558 15:31:49     แก้ไขล่าสุดเมื่อ 27/9/2568 0:12:40
เปิดอ่าน: 8694 ครั้ง

โปรแกรม Rapidminer Studio ๖ เป็นเครื่องที่ใช้ในการวิเคราะห์ข้อมูลที่มีขนาดใหญ่หรือเหมืองข้อมูล และสามารถทำการวิเคราะห์ข้อมูลแบบต่างๆ ได้ เช่น - การจำแนกชนิดข้อมูล - การจัดกลุ่มข้อมูล เป็นต้น

เหมืองข้อมูล (Data mining)

เป็นกระบวนการ (Process) ที่กระทำกับข้อมูลขนาดใหญ่เพื่อค้นหารูปแบบ แนวทาง และความสัมพันธ์ที่ซ่อนอยู่ในชุดข้อมูลนั้นโดยอาศัยหลักสถิติ การรู้จำ การเรียนรู้ของเครื่อง และหลักคณิตศาสตร์เพื่อให้ได้สารสนเทศที่เราไม่รู้ออกมา โดยสารสนเทศที่ได้จะมีเหตุผลและสามารถนำไปใช้ประโยชน์ได้

เทคนิคต่าง ๆ ของ Data Mining
 

 1. Association rule Discovery

หลักการทำงาน คือ การค้นหาความสัมพันธ์ของข้อมูลจากข้อมูลขนาดใหญ่ที่มีอยู่ เพื่อนำไปวิเคราะห์ หรือทำนายปรากฏการณ์ต่าง ๆ เช่น การวิเคราะห์การซื้อสินค้าของลูกค้าเรียกว่า “Market Basket Analysis”
 2. Classification & Prediction

เป็นการแบ่งประเภทของข้อมูล โดยจะหากฎเพื่อระบุประเภทวัตถุจากคุณสมบัติของวัตถุ

 3. Database Clustering Or Segmentation

เป็นเทคนิคการลดขนาดของข้อมูล ด้วยการรวมกลุ่มตัวแปรที่มีลักษณะเดียวกันไว้ด้วยกัน เพื่อนำข้อมูลที่ได้ไปวิเคราะห์

ส่วนประกอบที่สำคัญของระบบการทำเหมืองข้อมูล 

  • Database & Data Warehouse เป็นแหล่งที่เก็บข้อมูลอื่นๆ เช่น แฟ้มข้อมูล สเปรดชีท ซึ่งเป็นแหล่งที่เก็บข้อมูลดิบสำหรับการทำเหมืองข้อมูล
  • Database/Data Warehouse server ทำหน้าที่นำเข้าข้อมูลตามคำขอของผู้ใช้
  • Knowledge base ได้แก่

–                  ความรู้ในงานที่ทำจะเป็นประโยชน์ต่อการชี้นำทางการสืบค้น หรือการประเมินความน่าสนใจของรูปแบบผลลัพธ์ที่ได้ โดยเป็นความรู้เฉพาะด้านในงานที่ทำ เช่น ความรู้เฉพาะทางการแพทย์ หรือดาราศาสตร์ เป็นต้น

  • Data Mining Engine เป็นส่วนประกอบหลัก ประกอบด้วยโมดูล (Modules) ซึ่งรับผิดชอบงานทำเหมืองประเภทต่างๆ ได้แก่ การหากฎความสัมพันธ์ การจำแนกประเภท การจัดกลุ่ม เป็นต้น
  • Pattern Evaluation Module ทำงานร่วมกับ Data Mining Engine โดยใช้ค่าขีดแบ่งมาตรวัดความน่าสนใจในการกลั่นกรองรูปแบบผลลัพธ์ที่ได้ ซึ่งใช้ประเมินความน่าสนใจของรูปแบบการทำเหมืองที่ได้
  • Graphical User Interface ส่วนติดต่อประสานระหว่างผู้ใช้กับระบบทำเหมือง ซึ่งช่วยให้ผู้ใช้สามารถระบุงานทำเหมืองที่ต้องการ

กลยุทธ์ในการทำเหมืองข้อมูล

  1. แบบจำลองในการทำนาย (Predictive/ Supervised Modeling) เป็นผลลัพธ์ที่สร้างจากการอนุมาน (Inference) ชุดข้อมูลปัจจุบัน เพื่อใช้ในการทำนายประเภทตัวอย่างในอนาคต

    2. แบบจำลองในการบรรยาย (Descriptive/ Unsupervised Modeling) ในที่นี้ อาจเป็นการหาความสัมพันธ์ต่างๆ (Association) หรือหาการจัดกลุ่มข้อมูล (Clustering) ซึ่งไม่ได้มีจุดมุ่งหมายเพื่อการทำนาย

 

 

คำสำคัญ :
กลุ่มบทความ :
หมวดหมู่ :
แชร์ :
https://erp.mju.ac.th/acticleDetail.aspx?qid=424
ความคิดเห็นทั้งหมด (0)
ไม่มีข้อมูลตามเงื่อนไขที่ท่านกำหนด
รายการบทความการแลกเปลี่ยนเรียนรู้หมวดหมู่ : กลุ่มงานสายวิชาการ
ความรู้จากการเข้าร่วมอบรม/สัมมนา/ประชุมวิชาการ » ทรัพย์สินทางปัญญาที่เกี่ยวข้องกับเทคโนโลยีปรับแต่งจีโนม
เทคโนโลยีการปรับแต่งจีโนมระบบ CRISPR/Cas มีบทบาทสำคัญในเกษตรกรรมแม่นยำ โดยช่วยปรับปรุงพันธุ์พืชให้แม่นยำ ปลอดภัย และไม่จัดเป็น GMO การนำเทคโนโลยีไปใช้เชิงพาณิชย์ต้องคำนึงถึงทรัพย์สินทางปัญญา เช่น ส...
การรับรองพันธุ์  ทรัพย์สินทางปัญญา  เทคโนโลยีการปรับแต่งจีโนม (Genome Editing)  พันธุ์พืช     กลุ่มงานตามสมรรถนะบุคลากร   กลุ่มงานสายวิชาการ
ผู้เขียน ช่อทิพา สกูลสิงหาโรจน์  วันที่เขียน 12/9/2568 17:09:14  แก้ไขล่าสุดเมื่อ 26/9/2568 21:00:24   เปิดอ่าน 342  ครั้ง | แสดงความคิดเห็น 0  ครั้ง
การประเมินสมรรถนะอาจารย์ตามกรอบ Thailand PSF » การประยุกต์ใช้ความรู้จากการอบรมเชิงปฏิบัติการ แนวทางการเขียนผลงานด้านการเรียนการสอนเพื่อขอรับการประเมินสมรรถนะอาจารย์ตามกรอบ Thailand PSF
การประเมินสมรรถนะอาจารย์ตามกรอบ Thailand Professional Standards Framework (Thailand PSF) เป็นกระบวนการสำคัญในการรับรองคุณภาพการจัดการเรียนการสอนของอาจารย์ในระดับอุดมศึกษา เพื่อยกระดับมาตรฐานวิชาชีพ...
Thailand PSF  การประเมินสมรรถนะอาจารย์  ผลงานด้านการเรียนการสอน     กลุ่มงานตามสมรรถนะบุคลากร   กลุ่มงานสายวิชาการ
ผู้เขียน อัณชยารัศมิ์ เนาว์โสภา  วันที่เขียน 4/8/2568 18:18:40  แก้ไขล่าสุดเมื่อ 26/9/2568 23:40:42   เปิดอ่าน 1233  ครั้ง | แสดงความคิดเห็น 0  ครั้ง