Phương pháp phân vùng
Phương pháp tổng hợp phân cấp Phương pháp dựa trên mật độ Phương pháp dựa trên lưới Phương pháp dựa trên mơ hình
Thuật tốn phân cụm phổ bi Ān nhất là Nearest Neighbor. Kỹ thuật lân cận g n nhất rất giống với phân cụm. Đây là một kỹ thuật dự đốn để dự đốn giá trị ước tính là gì trong một bản ghi, tìm ki Ām các bản ghi có giá trị ước tính tương tự trong cơ sở dữ liệu lịch sử và sử dụng
17
giá trị dự đoán từ biểu mẫu g n tài liệu chưa được phân loại. Kỹ thuật này nói rằng các đối tượng g n nhau hơn sẽ có các giá trị dự đốn tương tự. Thơng qua phương pháp này, bạn có thể dễ dàng dự đoán mức độ quan trọng của các mục g n nhất rất nhanh chóng. Nearest Neighbor là kỹ thuật dễ sử dụng nhất vì chúng hoạt động theo suy nghĩ của mọi người. Chúng cũng hoạt động rất tốt về mặt tự động hóa. Họ thực hiện các phép tính ROI phức tạp một cách dễ dàng. Mức độ chính xác của kỹ thuật này cũng tốt như các kỹ thuật Khai phá dữ liệu khác.
Trong kinh doanh, kỹ thuật Hàng xóm g n nhất thường được sử dụng nhất trong quá trình Truy xuất Văn bản. Chúng được sử dụng để tìm các tài liệu có chung các đặc điểm quan trọng với tài liệu chính đó đã được đánh dấu là ấn tượng.
Hình dung
Trực quan hóa là kỹ thuật hữu ích nhất được sử dụng để khám phá các mẫu dữ liệu. Kỹ thuật này được sử dụng khi bắt đ u quá trình Khai phá dữ liệu. Nhiều loại nghiên cứu đang được ti Ān hành trong những ngày này để tạo ra một dự báo thú vị về cơ sở dữ liệu được gọi là Projection Pursuit. Có rất nhiều kỹ thuật khai thác dữ liệu sẽ có các mẫu hữu ích cho dữ liệu tốt. Nhưng trực quan hóa là một kỹ thuật chuyển đổi dữ liệu Kém thành dữ liệu hữu ích cho phép các loại phương pháp Khai phá dữ liệu khác nhau được sử dụng để khám phá các mẫu ẩn.
Kỹ thuật cây quyết định cảm ứng
Cây quy Āt định là một mơ hình dự đốn và bản thân cái tên đã ngụ ý rằng nó trơng giống như một cái cây. Trong kỹ thuật này, mỗi nhánh của cây được xem như một câu hỏi phân loại. Lá của cây được coi là phân vùng của tập dữ liệu liên quan đ Ān phân loại cụ thể đó. Kỹ thuật này có thể được sử dụng để phân tích thăm dị, xử lý trước dữ liệu và dự đốn. Cây quy Āt định có thể được coi là phân đoạn của tập dữ liệu ban đ u, nơi phân đoạn được thực hiện vì một lý do cụ thể. Mỗi dữ liệu nằm trong một phân đoạn có một số điểm tương
18
đồng về thơng tin được dự đoán. Cây quy Āt định cung cấp k Āt quả mà người dùng có thể
Các nhà thống kê h u h Āt sử dụng kỹ thuật cây quy Āt định để tìm ra cơ sở dữ liệu nào li quan nhiều hơn đ Ān vấn đề của doanh nghiệp. Kỹ thuật cây quy Āt định có thể được sử dụ để dự đoán và xử lý trước dữ liệu.
Bước đ u tiên và quan trọng nhất trong kỹ thuật này là trồng cây. Cơ bản của việc trồng cây phụ thuộc vào việc tìm ra câu hỏi tốt nhất có thể được đặt ra ở mỗi cành cây. Cây quy Āt định ngừng phát triển trong bất kỳ trường hợp nào dưới đây.
N Āu phân đoạn chỉ chứa một bản ghi
Tất cả các bản ghi đều chứa các tính năng giống hệt nhau.
Sự tăng trưởng không đủ để thực hiện thêm .spilt
CART, vi Āt tắt của Phân loại và Cây hồi quy, là một thuật tốn thăm dị và dự đoán dữ liệu chọn các câu hỏi phức tạp hơn. Nó sẽ thử tất cả và sau đó chọn một câu hỏi hay nhất, được sử dụng để chia dữ liệu thành hai hoặc nhiều phân đoạn. Sau khi quy Āt định các chi ti Āt, lại đặt câu hỏi về từng ph n tử mới riêng lẻ.
Một công nghệ cây quy Āt định phổ bi Ān khác là CHAID (Máy dò tương tác tự động Ch Square). Nó tương tự như GIỎ HÀNG, nhưng nó khác ở một phương diện. CART giúp chọn các câu hỏi hay nhất, trong khi CHAID giúp chọn các ph n tách.
Mạng thần kinh
Mạng th n kinh là một kỹ thuật quan trọng khác được mọi người sử dụng ngày nay. Kỹ thuật này thường được sử dụng nhất trong các giai đoạn bắt đ u của công nghệ khai thác dữ liệu. Mạng nơ-ron nhân tạo được hình thành từ cộng đồng Trí tuệ nhân tạo.
Mạng nơ-ron rất dễ sử dụng vì chúng được tự động hóa ở một mức độ cụ thể. Bởi vì điều này, người dùng khơng được mong đợi có nhiều ki Ān thức về cơng việc hoặc cơ sở dữ liệu. Nhưng để làm cho mạng nơ-ron hoạt động hiệu quả, bạn c n bi Āt.
19
Các nút được k Āt nối như th Ā nào?
Có bao nhiêu đơn vị xử lý được sử dụng?
Khi nào nên dừng quá trình đào tạo?