Khai thác dữ liệu

1. Khai thác dữ liệu Người trình bày : Hồ Hoàng Ánh

2. Nội dung • Cách tiếp cận các vấn đề Khai Thác Dữ Liệu (KTDL). • Các ứng dụng của KTDL. • Các công cụ KTDL hiện đại sử dụng trong thương mại.

3. Các cách tiếp cận KTDL • Discovery of Sequential Patterns. • Discovery of Patterns in Time Series. • Discovery of Classification Rules. • Regression. • Neural Networks. • Genetic Algorithms. • Clustering and Segmentation.

4. Discovery of Sequential Patterns • Tập các hạng mục liên tục • Ví dụ : {milk, bread, juice}, {bread, eggs}, {cookies, milk, coffe} • Độ Support supp(X) = count(X)/|D| => supp(S) >= minsupp

5. Discovery of Patterns in Time Series • Chuỗi thời gian • Các mẫu theo chuỗi thời gian => phân tích các mẫu và tập con để trích xuất ra những thông tin cần thiết

6. Discovery of Classification Rules • Phân lớp : là quá trình học một chức năng để phân loại một chủ thể cho trước thành nhiều lớp hợp lý. (var1 in range1) & (var2 in range2) &...(varn in rangen)

7. Discovery of Classification Rules • Ví dụ : xây dựng mô hình

8. Discovery of Classification Rules • Ví dụ : sử dụng mô hình

9. Regression • Hồiquy : ánhxạtừmộtmẫudữliệuthànhmộtbiếndựđoántrướccógiátrịthực. • Vídụ : LAB_TESTS(patient ID, test 1, test 2,…, test n ) Hàmhồiquy : P = f (test 1, test 2, ..., test n ) => f làhàmtuyếntính, quátrìnhtìmra f từmộttậpcácbộchotrướcđượcgọilàhồiquytuyếntính (linear regression)

10. Neural Networks • Mạng nơron : • Bắt nguồn từ lĩnh vực nghiên cứu trí tuệ nhân tạo. • Sử dụng phép hồi quy suy rộng. • Phân loại : • Mạng được giám sát : thuật toán tạo ra một hàm ánh xạ dữ liệu vào tới kết quả mong muốn. • Mạng không được giám sát : mô hình hóa một tập dữ liệu, không có sẵn các ví dụ đã được gán nhãn.

11. Genetic Algorithms • Các thuật toán di truyền dựa trên một ẩn dụ sinh học. • Các thuật toán này xem việc học như là sự cạnh tranh trong quần thể gồm các lời giải ứng viên đang tiến hóa của bài toán.

12. Genetic Algorithms • Ví dụ : mô tả giải thuật di truyền tổng quát

13. Clustering & Segmentation • Gom nhóm (Phân cụm) : là quá trình nhóm các đối tượng thành những nhóm/cụm/lớp có ý nghĩa. Các đối tượng trong cùng một nhóm có nhiều tính chất chung và có những tính chất khác với các đối tượng ở nhóm khác. • Phân lớp : học có giám sát. • Gom nhóm : học không có giám sát.

14. Clustering & Segmentation • Ví dụ :

15. Các ứng dụng của KTDL • Các lĩnh vực ứng dụng KTDL

16. Các công cụ KTDL hiện đại sử dụng trong thương mại