การทำเหมืองข้อมูลและข้อมูลขนาดใหญ่

ทางลัด: ความแตกต่างความคล้ายคลึงกันค่าสัมประสิทธิ์การเปรียบเทียบ Jaccardการอ้างอิง

ความแตกต่างระหว่าง การทำเหมืองข้อมูลและข้อมูลขนาดใหญ่

การทำเหมืองข้อมูล vs. ข้อมูลขนาดใหญ่

การทำเหมืองข้อมูล (data mining) หรืออาจจะเรียกว่า การค้นหาความรู้ในฐานข้อมูล (Knowledge Discovery in Databases - KDD) เป็นเทคนิคเพื่อค้นหารูปแบบ (pattern) ของจากข้อมูลจำนวนมหาศาลโดยอัตโนมัติ โดยใช้ขั้นตอนวิธีจากวิชาสถิติ การเรียนรู้ของเครื่อง และ การรู้จำแบบ หรือในอีกนิยามหนึ่ง การทำเหมืองข้อมูล คือ กระบวนการที่กระทำกับข้อมูล(โดยส่วนใหญ่จะมีจำนวนมาก) เพื่อค้นหารูปแบบ แนวทาง และความสัมพันธ์ที่ซ่อนอยู่ในชุดข้อมูลนั้น โดยอาศัยหลักสถิติ การรู้จำ การเรียนรู้ของเครื่อง และหลักคณิตศาสตร์ ความรู้ที่ได้จากการทำเหมืองข้อมูลมีหลายรูปแบบ ได้แก่; กฎความสัมพันธ์ (Association rule): แสดงความสัมพันธ์ของเหตุการณ์หรือวัตถุ ที่เกิดขึ้นพร้อมกัน ตัวอย่างของการประยุกต์ใช้กฎเชื่อมโยง เช่น การวิเคราะห์ข้อมูลการขายสินค้า โดยเก็บข้อมูลจากระบบ ณ จุดขาย (POS) หรือร้านค้าออนไลน์ แล้วพิจารณาสินค้าที่ผู้ซื้อมักจะซื้อพร้อมกัน เช่น ถ้าพบว่าคนที่ซื้อเทปวิดีโอมักจะซื้อเทปกาวด้วย ร้านค้าก็อาจจะจัดร้านให้สินค้าสองอย่างอยู่ใกล้กัน เพื่อเพิ่มยอดขาย หรืออาจจะพบว่าหลังจากคนซื้อหนังสือ ก แล้ว มักจะซื้อหนังสือ ข ด้วย ก็สามารถนำความรู้นี้ไปแนะนำผู้ที่กำลังจะซื้อหนังสือ ก ได้; การจำแนกประเภทข้อมูล (Data classification): หากฎเพื่อระบุประเภทของวัตถุจากคุณสมบัติของวัตถุ เช่น หาความสัมพันธ์ระหว่างผลการตรวจร่างกายต่าง ๆ กับการเกิดโรค โดยใช้ข้อมูลผู้ป่วยและการวินิจฉัยของแพทย์ที่เก็บไว้ เพื่อนำมาช่วยวินิจฉัยโรคของผู้ป่วย หรือการวิจัยทางการแพทย์ ในทางธุรกิจจะใช้เพื่อดูคุณสมบัติของผู้ที่จะก่อหนี้ดีหรือหนี้เสีย เพื่อประกอบการพิจารณาการอนุมัติเงินกู้; การแบ่งกลุ่มข้อมูล (Data clustering): แบ่งข้อมูลที่มีลักษณะคล้ายกันออกเป็นกลุ่ม แบ่งกลุ่มผู้ป่วยที่เป็นโรคเดียวกันตามลักษณะอาการ เพื่อนำไปใช้ประโยชน์ในการวิเคราะห์หาสาเหตุของโรค โดยพิจารณาจากผู้ป่วยที่มีอาการคล้ายคลึงกัน; การสร้างมโนภาพ (Visualization): สร้างภาพคอมพิวเตอร์กราฟิกที่สามารถนำเสนอข้อมูลมากมายอย่างครบถ้วนแทนการใช้ขัอความนำเสนอข้อมูลที่มากมาย เราอาจพบข้อมูลที่ซ้อนเร้นเมื่อดูข้อมูลชุดนั้นด้วยจินตทัศน. ้อมูลการแก้ไขวิกิพีเดีย สร้างโดยไอบีเอ็ม ข้อมูลหลายเทราไบต์ที่มีทั้งข้อความและรูปภาพของวิกิพีเดียเป็นตัวอย่างที่แพร่หลายของ big data ในสาขาเทคโนโลยีสารสนเทศ, ข้อมูลขนาดใหญ่ (Big data) คือชุมนุมของชุดข้อมูลที่มีขนาดและความซับซ้อนมาก จนมันยากที่จะประมวลผลได้ด้วยเครื่องมือจัดการฐานข้อมูลที่มีอยู่ ความท้าทายนี้รวมถึงการจับบันทึก การจัดเก็บ การค้นหา การแบ่งปัน การวิเคราะห์ และการวาดภาพข้อมูล แนวโน้มของชุดข้อมูลต่างๆ ที่ใหญ่ขึ้นเป็นผลจากสารสนเทศเพิ่มเติมที่ได้มาจากการวิเคราะห์ชุดข้อมูลชุดใหญ่ชุดเดียวของข้อมูลที่เกี่ยวข้องกัน เทียบกับชุดข้อมูลย่อยๆ หลายชุดที่แยกจากกันที่มีขนาดรวมกันแล้วเท่ากัน สิ่งนี้อนุญาตให้ความเชื่อมโยงถูกค้นพบได้ เพื่อ "หาแนวโน้มทางธุรกิจ ตัดสินคุณภาพของงานวิจัย ป้องกันโรค วิเคราะห์การอ้างอิงกฎหมาย ต่อสู้กับอาชญากรรม และบอกสภาพการจราจรตามเวลาจริง" by Cat Casey and Alejandra Perez.