1.1 KHAI PHÁ Dũ LIỆU
1.1.1 Định nghĩa khai phá dữ liệu
1.1.2 Các ứng dụng cùa khai phá dữ liệu
1.1.3 Các bước của quá trình khai phá dữ liệu
1.1.4 Nhiệm vụ chính trong khai phá dữ liệu
1.1.4.1 Phân lớp (phân loại - classification)
1.1.4.2 Hồi qui (regression)
1.1.4.3 Phân nhóm (clustering)
1.1.4.4 Tống ho’p (summarization)
1.1.4.5 Mô hình hoá sự phụ thuộc (dependency modeling)
1.1.4.6 Phát hiện sự biến đổi và độ lệch (change and deviation dectection)
1.1.5 Các phương pháp khai phá dữ liệu
1.1.5.1 Phương pháp suy diễn / quy nạp
1.1.5.2 Phương pháp K-láng giềng gần
1.1.5.3 Phưong pháp sử dụng cây quyết định và luật
1.1.6 Lợi thế cuả khai phá dữ liêu so với phương pháp khác
1.1.6.1 Học máy (Machine Learning)
1.1.6.3 Phát kiến khoa học
1.1.7 Lựa chọn phưong pháp
1.2.2 Kiến trúc tổng quát cúa các hệ chuyên gia
1.2.2.1 Những thành phần cơ bán của một hệ chuyên gia
1.2.2.2 Một số mô hình kiến trúc hệ chuyên gia
a. Mô hình J. L. Ermine
b. Mô hình c. Ernest
1.2.2.3 Các đặc tính của hệ chuyên gia
a. Tách tri thức ra khỏi điều khiển
b. Tri thức chuyên gia
c. Tập trung nguồn chuyên gia
d. Xử lí tri thức bằng các kí hiệu
e. Xử lí tri thức với heuristic
f. Xử lí tri thức không chắc chắn
g. Bài toán giải được
h. Mức phức tạp vừa phải
1.2.3 Các kĩ thuật thể hiện tri thức
1.2.3.1 Thể hiện tri thức bằng bộ ba O-V-A và khung
a. Thể hiện bằng O-A-V (Object-Attribute-Value)
b. Thể hiện bằng khung
1.2.3.2 Thể hiện các sự kiện không chắc chắn
1.2.3.3 Thể hiện các sự kiện mò’
1.2.3.4 Thể hiên tri thức nhờ các luật
1.2.3.5 Khai thác một thủ tục
1.2.3.6 Các dạng khác nhau của luật
1.3 KỂT LUẬN CHƯƠNG