Data Mining

1. Data Mining นำเสนอโดย อาจารย์นงเยาว์ สอนจะโปะ คณะสารสนเทศศาสตร์ มหาวิทยาลัยศรีปทุม วิทยาเขตชลบุรี 8 สิงหาคม 2551

2. Topic • Data Mining คืออะไร • สถาปัตยกรรมของระบบการทำ Data Mining • ประเภทข้อมูลที่สามารถทำ Data Mining • เทคนิคต่าง ๆ ของ Data Mining • ตัวอย่าง การประยุกต์ใช้งาน Data Mining 2

3. Data Mining คืออะไร Data Miningเป็นกระบวนการ (Process) ที่กระทำกับข้อมูลขนาดใหญ่ เพื่อค้นหารูปแบบ แนวทาง และความสัมพันธ์ที่ซ่อนอยู่ในชุดข้อมูลนั้น โดยอาศัยหลักสถิติ การรู้จำ การเรียนรู้ของเครื่อง และหลักคณิตศาสตร์ เพื่อให้ได้สารสนเทศที่เราไม่รู้ออกมา โดยสารสนเทศที่ได้จะมีเหตุผล และสามารถนำไปใช้ประโยชน์ได้ 3

4. Data Mining คืออะไร(ต่อ) ลักษณะการทำงานของ Data Mining คล้ายกับกระบวนการ Knowledge Discovery in Databases : KDDเป็นการสืบค้น ความรู้ที่เป็นประโยชน์ในฐานข้อมูลขนาดใหญ่ ซึ่งนิยมใช้ Data Miningเป็นขั้นตอนหนึ่งในกระบวนการ KDD 4

5. สถาปัตยกรรมของระบบการทำ Data Mining 5

6. ประเภทของข้อมูลที่สามารถทำ Data Mining • Relationaldatabases 6

7. ประเภทของข้อมูลที่สามารถทำ Data Mining(ต่อ) • Data Warehouses ที่มา : http://www.persysinc.com/persys_database_datawarehouse.aspx 7

8. ประเภทของข้อมูลที่สามารถทำ Data Mining(ต่อ) • Transactional databases • ใบเสร็จรับเงิน 8

9. ประเภทของข้อมูลที่สามารถทำ Data Mining(ต่อ) • Advanced database • เป็นฐานข้อมูลที่จัดเก็บในรูปแบบอื่นๆเช่น • ข้อมูลแบบ Object oriented • ข้อมูลที่เป็น Text file • ข้อมูลมัลติมีเดีย • ข้อมูลในรูปของ Web Site • เป็นต้น 9

10. เทคนิคต่าง ๆ ของ Data Mining • Association rule Discovery • Classification & Prediction • Database Clustering Or Segmentation • Deviation Detection • Link Analysis 10

11. เทคนิคต่าง ๆ ของ Data Mining (ต่อ) 1. Association rule Discovery หลักการทำงาน คือ การค้นหาความสัมพันธ์ของข้อมูลจาก ข้อมูลขนาดใหญ่ที่มีอยู่ เพื่อนำไปวิเคราะห์ หรือทำนาย ปรากฎการณ์ต่าง ๆ เช่น การวิเคราะห์การซื้อสินค้าของลูกค้า เรียกว่า “Market Basket Analysis” 11

12. เทคนิคต่าง ๆ ของ Data Mining (ต่อ) 2. Classification & Prediction เป็นการแบ่งประเภทของข้อมูล โดยจะหากฎเพื่อระบุประเภทวัตถุจากคุณสมบัติของวัตถุ เช่น การหาความสัมพันธ์ระหว่างผลการตรวจร่างกายต่างๆ กับการเกิดโรค โดยใช้ข้อมูลผู้ป่วยและการวินิจฉัยของแพทย์ที่ เก็บไว้เพื่อนำมาช่วยในการวินิจฉัยโรคของผู้ป่วย 12

13. เทคนิคต่าง ๆ ของ Data Mining (ต่อ) 3. Database Clustering Or Segmentation เป็นเทคนิคการลดขนาดของข้อมูล ด้วยการรวมกลุ่มตัวแปร ที่มีลักษณะเดียวกันไว้ด้วยกัน เพื่อนำข้อมูลที่ได้ไปวิเคราะห์ เช่นตัวอย่าง บริษัทจำหน่วยรถยนต์ได้แยกกลุ่มลูกค้าออกเป็น 3 กลุ่ม 1. กลุ่มผู้มีรายได้สูง (> 80,000) 2. กลุ่มผู้มีรายได้ปานกลาง (25,000 - 80,000) 3. กลุ่มผู้มีรายได้ต่ำ (< 25,000) 13

14. เทคนิคต่าง ๆ ของ Data Mining (ต่อ) 4. Deviation Detection • เป็นกรรมวิธีในการหาค่าที่แตกต่างไปจากมาตรฐาน หรือค่า • ที่คาดคิดไว้ว่าต่างไปมากน้อยเพียงใด โดยทั่วไปมักใช้วิธีทาง • สถิติ หรือการแสดงให้เห็นภาพ (Visualization) • ตัวอย่างการนำเทคนิคนี้ใช้ • การตรวจสอบลายเซ็นปลอม • บัตรเครดิตปลอม • การหาจุดบกพร่องของชิ้นงานในโรงงานอุตสาหกรรม 14

15. เทคนิคต่าง ๆ ของ Data Mining (ต่อ) 5. Link Analysis จุดมุ่งหมายของ Ling Analysis คือ การสร้าง Link ที่เรียกว่า “associations”ระหว่าง Recode เดียว หรือ กลุ่มของ Record ในฐานข้อมูล Link Analysis สามารถแบ่งออกเป็น 3 ชนิด - associations discovery - sequential pattern discovery - similar time sequence discovery 15

16. การประยุกต์ใช้งาน Data Mining • ธุรกิจค้าปลีก • การวิเคราะห์ผลิตภัณฑ์ • การวิเคราะห์บัตรเครดิต • การวิเคราะห์การขาย • E-Commerce • ด้านการศึกษา 16

17. แหล่งอ้างอิง • http://www.twocrows.com/intro-dm.pdf • http://www.twocrows.com/crm-dm.pdf • http://www.persysinc.com/persys_database_datawarehouse.aspx • http://en.wikipedia.org/wiki/Data_mining • http://www.thearling.com/text/dmwhite/dmwhite.htm 17