Data mining is simply filtering thr

Data mining is simply filtering through large amounts of raw data for useful information that gives businesses a competitive edge. This information is made up of meaningful patterns and trends that are already in the data but were previously unseen.
The most popular tool used when mining is artificial intelligence (AI), AI technologies try to work the way the human brain works, by making intelligent guesses, learning by example, and using deductive reasoning. Some of the more popular AI methods used in data mining include neural networks, clustering, and decision trees.
Neural networks look at the rules of using data, which are based on the connections found or on a sample set of data. As a result, the software continually analyses value and compares it to the other factors, and it compares these factors repeatedly until it finds patterns emerging. These patterns are known as rules, The software then looks for other patterns based on these rules or sends out an alarm when a trigger value is hit.
Clustering divides data into groups based on similar features or limited data ranges. Clusters arc used when data isn’t labelled in a way that is favourable to mining. For instance, an insurance company that wants to find instances of fraud wouldn‘t have its records labelled as fraudulent or not fraudulent. But after analysing patterns within cluster; the mining software can start to figure out the rules that point to which claims are likely to be false.
Decision trees, like clusters, separate the data into subsets and then analyse the subsets to divide them into further subsets, and so on (for a few more levels), The final subsets are then small enough that the mining process can find interesting patterns and relationships within the data.
Once the data to be mined is identified, it should be cleansed. Cleansing data frees it from duplicate information and erroneous data. Next, the data should be stored in a uniform format within relevant categories or fields. Mining tools can work with all types of data storage, from large data warehouses to smaller desktop databases to flat files. Data warehouses and data marts are storage methods that involve archiving large amounts of data in a way that makes it easy to access when necessary.
When the process is complete, the mining software generates a report. An analyst goes over the report to see if further work needs to be done, such as refining parameters, using other data analysis tools to examine the data, or even scrapping the data if it's unusable. If no further work is required, the report proceeds to the decision makers for appropriate action.
The power of data mining is being used for many purposes, such as analysing Supreme Court decisions, discovering patterns in health care, pulling stories about competitors from newswires, resolving bottlenecks in production processes, and analysing sequences in the human genetic makeup, There really is no limit to the type of business or area of study where data mining can be beneficial.

Kết quả (Việt) 1:

khai thác dữ liệu chỉ đơn giản là lọc qua một lượng lớn dữ liệu thô cho thông tin hữu ích cung cấp cho doanh nghiệp một lợi thế cạnh tranh. thông tin này được tạo thành từ các mô hình và xu hướng đã có trong dữ liệu mà trước đây không nhìn thấy có ý nghĩa.
công cụ phổ biến nhất được sử dụng khi khai thác khoáng sản là trí tuệ nhân tạo (ai), ai công nghệ cố gắng làm việc theo cách bộ não con người hoạt động,bằng cách dự đoán thông minh, học tập bằng ví dụ, và sử dụng lập luận suy diễn. một số phương pháp phổ biến hơn ai được sử dụng trong khai thác dữ liệu bao gồm các mạng thần kinh, clustering, và cây quyết định.
Mạng thần kinh nhìn vào các quy tắc của việc sử dụng dữ liệu, mà là dựa trên các kết nối hoặc tìm thấy trên một mẫu thiết lập dữ liệu. kết quả là,các phần mềm liên tục phân tích giá trị và so sánh nó với các yếu tố khác, và nó so sánh những yếu tố này lặp đi lặp lại cho đến khi nó tìm thấy mô hình mới nổi. các mô hình được gọi là quy tắc, các phần mềm sau đó tìm kiếm các mô hình khác dựa trên những quy tắc hoặc gửi ra báo động khi một giá trị kích hoạt là hit.
Phân nhóm chia dữ liệu thành các nhóm dựa trên các tính năng tương tự hoặc các phạm vi dữ liệu hạn chế.cụm hồ quang được sử dụng khi dữ liệu không được dán nhãn một cách thuận lợi để khai thác mỏ. Ví dụ, một công ty bảo hiểm mà muốn tìm thấy trường hợp gian lận sẽ không có hồ sơ của mình được dán nhãn là lừa đảo hay không gian lận. nhưng sau khi phân tích mẫu trong cụm; phần mềm khai thác có thể bắt đầu để tìm ra các quy tắc mà chỉ để mà tuyên bố có thể sẽ là sai.
Cây quyết định,như cụm, tách dữ liệu thành các tập con và sau đó phân tích các tập con phân chia chúng thành các tập con hơn nữa, và như vậy (cho một vài mức độ nhiều hơn), các tập con cuối cùng là sau đó đủ nhỏ để quá trình khai thác có thể tìm thấy mô hình thú vị và mối quan hệ trong dữ liệu.
Một khi dữ liệu được khai thác được xác định, nó phải được tẩy sạch.làm sạch dữ liệu giải phóng nó từ các thông tin trùng lặp và dữ liệu sai. tiếp theo, các dữ liệu cần được lưu trữ trong một định dạng thống nhất trong danh mục có liên quan hoặc các lĩnh vực. công cụ khai thác có thể làm việc với tất cả các loại dữ liệu lưu trữ, từ kho dữ liệu lớn cơ sở dữ liệu máy tính để bàn nhỏ hơn để các tập tin phẳng.kho dữ liệu và siêu thị dữ liệu là phương pháp lưu trữ có liên quan đến lưu trữ một lượng lớn dữ liệu trong một cách mà làm cho nó dễ dàng để truy cập khi cần thiết.
Khi quá trình hoàn tất, phần mềm khai thác tạo ra một báo cáo. một nhà phân tích đi qua báo cáo cho thấy nếu tiếp tục làm việc cần phải được thực hiện, chẳng hạn như các thông số tinh chỉnh, sử dụng các công cụ phân tích dữ liệu khác để kiểm tra dữ liệu,hoặc thậm chí tháo dỡ các dữ liệu nếu nó không sử dụng được. nếu không có công việc tiếp theo là cần thiết, báo cáo tiền thu được để các nhà sản xuất quyết định cho hành động thích hợp.
Sức mạnh của khai thác dữ liệu đang được sử dụng cho nhiều mục đích, chẳng hạn như phân tích các quyết định của tòa án tối cao, phát hiện mô hình chăm sóc sức khỏe, kéo câu chuyện về đối thủ cạnh tranh từ truyền khắp nơi, giải quyết vướng mắc trong quá trình sản xuất,và phân tích trình tự trong trang điểm di truyền của con người, có thực sự là không có giới hạn các loại hình kinh doanh hoặc khu vực nghiên cứu nơi khai thác dữ liệu có thể có lợi.

Kết quả (Việt) 2:

Khai thác dữ liệu chỉ đơn giản là lọc thông qua một lượng lớn các dữ liệu thô cho thông tin hữu ích cho các doanh nghiệp một lợi thế cạnh. Thông tin này tạo ra từ các mô hình có ý nghĩa và xu hướng đó là đã có trong các dữ liệu nhưng đã là trước đây unseen.
công cụ phổ biến nhất được sử dụng khi khai thác mỏ là trí tuệ nhân tạo (AI), công nghệ AI cố gắng để làm việc theo cách bộ não con người hoạt động, bằng cách đoán thông minh, học tập bằng cách ví dụ, và sử dụng suy diễn logic. Một số trong những phương pháp phổ biến hơn AI được sử dụng trong khai thác dữ liệu bao gồm mạng nơ-ron, cụm và cây quyết định.
Thần kinh mạng lưới xem xét các quy tắc của việc sử dụng dữ liệu, mà dựa trên các kết nối được tìm thấy hoặc trên một tập hợp mẫu dữ liệu. Kết quả là, phần mềm liên tục phân tích giá trị và so sánh nó với các yếu tố khác, và nó so sánh những yếu tố này nhiều lần cho đến khi nó tìm thấy mô hình đang nổi lên. Những mô hình được gọi là quy tắc, các phần mềm sau đó tìm kiếm các mẫu khác dựa trên các quy tắc này hoặc gửi một báo động khi một giá trị kích hoạt bị trúng đạn.
Clustering phân chia dữ liệu thành các nhóm dựa trên tính năng tương tự hoặc phạm vi giới hạn dữ liệu. Cụm arc được sử dụng khi dữ liệu không phải là với nhãn hiệu theo cách đó là thuận lợi để khai thác mỏ. Ví dụ, một công ty bảo hiểm để nhờ tìm các trường hợp gian lận sẽ không có hồ sơ của nó là lừa đảo hoặc gian lận không. Nhưng sau khi phân tích các mô hình trong cụm; phần mềm khai thác có thể bắt đầu để tìm ra các quy tắc mà điểm đến mà yêu cầu bồi thường có khả năng là sai lầm.
Quyết định cây, như cụm, tách các dữ liệu vào tập con và sau đó phân tích các tập hợp con để họ chia hơn nữa con, và (cho một vài mức độ), tập con cuối cùng là sau đó đủ nhỏ rằng quá trình khai thác có thể tìm thấy thú vị các mẫu và các mối quan hệ trong dữ liệu.
Một khi dữ liệu được khai thác được xác định, nó nên được làm sạch. Làm sạch dữ liệu giải phóng nó từ trùng lặp thông tin và dữ liệu sai. Tiếp theo, các dữ liệu cần được lưu giữ trong một định dạng thống nhất trong các danh mục có liên quan hoặc lĩnh vực. Khai thác các công cụ có thể làm việc với tất cả các loại lưu trữ dữ liệu, từ kho lưu trữ lớn dữ liệu cơ sở dữ liệu máy tính để bàn nhỏ hơn để tập tin phẳng. Kho lưu trữ dữ liệu và marts dữ liệu là phương pháp lí có liên quan đến lưu trữ một lượng lớn dữ liệu trong một cách mà làm cho nó dễ dàng để truy cập khi cần thiết.
Khi quá trình hoàn tất, khai thác phần mềm tạo ra một báo cáo. Một nhà phân tích đi qua báo cáo để xem nếu công việc cần phải được thực hiện, chẳng hạn như tinh chỉnh tham số, bằng cách sử dụng các công cụ phân tích dữ liệu khác để kiểm tra các dữ liệu, hoặc thậm chí tháo dỡ các dữ liệu nếu đó là không sử dụng được. Nếu không có công việc là cần thiết, báo cáo tiền để ra quyết định cho hành động thích hợp.
Sức mạnh của khai thác dữ liệu đang được sử dụng cho nhiều mục đích, chẳng hạn như phân tích tòa án tối cao quyết định, khám phá các mô hình trong chăm sóc sức khỏe, kéo các câu chuyện về đối thủ cạnh tranh từ newswires, giải quyết các tắc nghẽn trong quá trình sản xuất, và phân tích các trình tự trong trang điểm di truyền của con người, có thực sự là không có giới hạn cho loại hình kinh doanh hoặc khu vực của nghiên cứu mà khai thác dữ liệu có thể được mang lại lợi ích.