Data mining allows the discovery of

Data mining allows the discovery of knowledge potentially useful and unknown. Whether the knowledge discovered is new, useful or interesting, is very subjective and depends upon the application and the user. It is certain that data mining can generate, or discover, a very large number of patterns or rules. In some cases the number of rules can reach the millions. One can even think of a meta-mining phase to mine the oversized data mining results. To reduce the number of patterns or rules discovered that have a high probability to be non-interesting, one has to put a measurement on the patterns. However, this raises the problem of completeness. The user would want to discover all rules or patterns, but only those that are interesting. The measurement of how interesting a discovery is, often called interestingness, can be based on quantifiable objective elements such as validity of the patterns when tested on new data with some degree of certainty, or on some subjective depictions such as understandability of the patterns, novelty of the patterns, or usefulness.

Kết quả (Việt) 1:

Khai thác dữ liệu cho phép khám phá kiến thức có khả năng hữu ích và không rõ. Cho dù những kiến thức phát hiện mới, hữu ích hay thú vị, là rất chủ quan và phụ thuộc vào các ứng dụng và người sử dụng. Nó là nhất định mà khai thác dữ liệu có thể tạo ra hoặc phát hiện ra, một số rất lớn của các mẫu hoặc các quy định. Trong một số trường hợp số lượng quy định có thể đạt được hàng triệu. Một thậm chí có thể nghĩ đến một giai đoạn khai thác meta để khai thác các kết quả khai thác dữ liệu quá khổ. Để giảm số lượng các mẫu hoặc các quy định đã phát hiện ra rằng có một xác suất cao được không-thú vị, người ta đã đưa một phép đo trên các mô hình. Tuy nhiên, điều này làm tăng các vấn đề của sự hoàn chỉnh. Người dùng sẽ muốn khám phá tất cả quy tắc hoặc mô hình, nhưng chỉ những người có thú vị. Đo khám phá một cách thú vị là, thường được gọi là interestingness, có thể dựa vào định lượng các yếu tố khách quan như tính hợp lệ của các mô hình khi thử nghiệm trên các dữ liệu mới với một số mức độ của sự chắc chắn, hoặc trên một số mô tả chủ quan như understandability của mô hình, mới lạ của mô hình, hoặc hữu ích.

Kết quả (Việt) 2:

khai thác dữ liệu cho phép phát hiện các kiến ​​thức tiềm năng hữu ích và chưa biết. Cho dù những kiến ​​thức phát hiện ra là mới, hữu ích hoặc thú vị, là rất chủ quan và phụ thuộc vào ứng dụng và người sử dụng. Chắc chắn rằng việc khai thác dữ liệu có thể tạo ra, hoặc khám phá, một số lượng rất lớn các mẫu hoặc các quy tắc. Trong một số trường hợp số lượng các quy tắc có thể đạt đến hàng triệu. Một thậm chí có thể nghĩ ra một giai đoạn meta-khai thác mỏ để khai thác các kết quả khai thác dữ liệu quá khổ. Để giảm số lượng các mẫu hoặc các quy tắc phát hiện ra rằng có một xác suất cao là không thú vị, người ta phải đặt một phép đo trên mẫu. Tuy nhiên, điều này đặt ra vấn đề của sự hoàn chỉnh. Người dùng sẽ muốn khám phá tất cả các quy tắc hoặc mô hình, nhưng chỉ có những người rất thú vị. Việc đo một khám phá sự thú vị là, thường được gọi là lý thú, có thể dựa vào các yếu tố khách quan định lượng như giá trị của mẫu khi thử nghiệm trên dữ liệu mới với một số mức độ chắc chắn, hoặc trên một số miêu tả chủ quan như dễ hiểu của các mô hình, mới lạ của các mô hình, hoặc hữu dụng.