การทำเหมืองข้อมูลและสถิติศาสตร์

ทางลัด: ความแตกต่างความคล้ายคลึงกันค่าสัมประสิทธิ์การเปรียบเทียบ Jaccardการอ้างอิง

ความแตกต่างระหว่าง การทำเหมืองข้อมูลและสถิติศาสตร์

การทำเหมืองข้อมูล vs. สถิติศาสตร์

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. ติศาสตร์ (Statistic Science) เป็นการศึกษาการเก็บ การวิเคราะห์ การตีความ การนำเสนอและการจัดระเบียบข้อมูล ในการประยุกต์สถิติศาสตร์กับปัญหาทางวิทยาศาสตร์ อุตสาหกรรมหรือสังคม ฯลฯ จำเป็นต้องเริ่มด้วยประชากรหรือกระบวนการที่จะศึกษา ประชากรเป็นได้หลากหลาย เช่น "ทุกคนที่อาศัยอยู่ในประเทศหนึ่ง" หรือ "ทุกอะตอมซึ่งประกอบเป็นผลึก" สถิติศาสตร์ว่าด้วยทุกแง่มุมของข้อมูลซึ่งรวมการวางแผนการเก็บข้อมูลในแง่การออกแบบการสำรวจและการทดลอง ในกรณีไม่สามารถเก็บข้อมูลสำมะโนได้ นักสถิติศาสตร์เก็บข้อมูลโดยการพัฒนาการออกแบบการทดลองจำเพาะและตัวอย่างสำรวจ การชักตัวอย่างเพื่อเป็นตัวแทนประกันว่าการอนุมานและการสรุปสามารถขยายจากตัวอย่างไปยังประชากรโดยรวมได้โดยปลอดภัย การศึกษาทดลองเกี่ยวข้องกับการวัดระบบที่กำลังศึกษา จัดดำเนินการระบบ แล้ววัดเพิ่มโดยใช้วิธีดำเนินการเดียวกันเพื่อตัดสินว่าการจัดดำเนินการดัดแปรค่าของการวัดหรือไม่ ในทางกลับกัน การศึกษาสังเกตไม่เกี่ยวข้องกับการจัดดำเนินการทดลอง มีการใช้ระเบียบวิธีสถิติศาสตร์สองอย่างหลักในการวิเคราะห์ข้อมูล ได้แก่ สถิติศาสตร์พรรณนา ซึ่งสรุปข้อมูลจากตัวอย่างโดยใช้ดัชนีอย่างค่าเฉลี่ยหรือค่าเบี่ยงเบนมาตรฐาน และสถิติศาสตร์อนุมาน ซึ่งดึงข้อสรุปจากข้อมูลซึ่งมีการกระจายสุ่ม (เช่น ข้อผิดพลาดสังเกต การกระจายการชักตัวอย่าง) สถิติศาสตร์พรรณนาส่วนใหญ่ว่าด้วยชุดคุณสมบัติของการกระจายสองชุด ได้แก่ แนวโน้มสู่ส่วนกลางซึ่งมุ่งให้ลักษระค่ากลางหรือตรงแบบของการกระจาย ขณะที่การกระจายให้ลักษณะขอบเขตซึ่งสมาชิกของการกระจายอยู่ห่างจากส่วนกลางและสมาชิกอื่น การอนุมานสถิติศาสตร์คณิตศาสตร์กระทำภายใต้กรอบทฤษฎีความน่าจะเป็น ซึ่งว่าด้วยการวิเคราะห์ปรากฏการณ์สุ่ม ในการอนุมานปริมาณไม่ทราบค่า มีการประเมินค่าตัวประมาณค่าตั้งแต่หนึ่งตัวโดยใช้ตัวอย่าง 1.สถิติ (Statistics) 2.เซตและการให้เหตุผล (Set and reasoning) 3.