Tổng quan về khai phá dữ liệu - Đại học Duy Tân

22
Mặc dù người ta đã cố gắng cải tiến các phương pháp học máy để có thể phù hợp với mục
đích khai phá dữ liệu nhưng sự khác biệt giữa cách thiết kế, các đặc điểm của cơ sở dữ liệu đã làm
cho phương pháp học máy trở nên không phù hợp với mục đích này, mặc dù cho đến nay, phần lớn
các phương pháp khai phá dữ liệu vẫn đựa trên nền tảng cơ sở của phương pháp học máy. Những
phân tích sau đây sẽ cho thấy điều đó.
Trong quản trị cơ sở dữ liệu, một cơ sở dữ liệu là một tập hợp được tích hợp một cách logic
của dữ liệu được lưu trong một hay nhiều tệp và được tổ chức để lưu trữ có hiệu quả, sửa đổi và lấy
thông tin liên quan được dễ dàng. Ví dụ như trong CSDL quan hệ, dữ liệu được tổ chức thành các
tệp hoặc các bảng có các bản ghi có độ dài cố định. Mỗi bản ghi là một danh sách có thứ tự các giá
trị, mỗi giá trị được đặt vào một trường. Thông tin về tên trường và giá trị của trường được đặt
trong một tệp riêng gọi là thư viện dữ liệu (data dictionary). Một hệ thống quản trị cơ sở dữ liệu sẽ
quản lý các thủ tục (procedures) để lấy, lưu trữ, và xử lý dữ liệu trong các cơ sở dữ liệu đó.
Trong học máy, thuật ngữ cơ sở dữ liệu chủ yếu đề cập đến một tập các mẫu (instance hay
example) được lưu trong một tệp. Các mẫu thường là các vector đặc điểm có độ dài cố định. Thông
tin về các tên đặc điểm, dãy giá trị của chúng đôi khi cũng được lưu lại như trong từ điển dữ liệu.
Một giải thuật học còn sử dụng tập dữ liệu và các thông tin kèm theo tập dữ liệu đó làm đầu vào và
đầu ra biểu thị kết quả của việc học (ví dụ như một khái niệm).
Với so sánh cơ sở dữ liệu thông thường và CSDL trong học máy như trên, có thể thấy là học
máy có khả năng được áp dụng cho cơ sở dữ liệu, bởi vì không phải học trên tập các mẫu mà học
trên tệp các bản ghi của CDSL.
Tuy nhiên, phát hiện tri thức trong cơ sở dữ liệu làm tăng thêm các vấn đề vốn đã là điển
hình trong học máy và đã quá khả năng của học máy. Trong thực tế, cơ sở dữ liệu thường động,
không đầy đủ, bị nhiễu, và lớn hơn nhiều so với tập các dữ liệu học máy điển hình. Các yếu tố này
làm cho hầu hết các giải thuật học máy trở nên không hiệu quả trong hầu hết các trường hợp. Vì vậy
trong khai phá dữ liệu, cần tập trung rất nhiều công sức vào việc vượt qua những khó khăn, phức
tạp này trong CSDL.
2.6.2. Phương pháp hệ chuyên gia
Các hệ chuyên gia cố gắng nắm bắt các tri thức thích hợp với bài toán nào đó. Các kỹ thuật
thu thập giúp cho việp háp đó là một cách suy diễn các chuyên gia con người. Mỗi phương pháp đó
là một cách suy diễn các luật từ các ví dụ và giải pháp đối với bài toán chuyên gia đưa ra. Phương
pháp này khác với khai phá dữ liệu ở chỗ các ví dụ của chuyên gia thường ở mức chất lượng cao
hơn rất nhiều so với các dữ liệu trong cơ sở dữ liệu, và chúng thường chỉ bao được các trường hợp
quan trọng. Hơn nữa, các chuyên gia sẽ xác nhận tính giá trị và hữu dụng của các mẫu phát hiện
được. Cũng như với các công cụ quản trị cơ sở dữ liệu, ở các phương pháp này đòi hỏi có sự tham
gia của con người trong việc phát hiện tri thức
2.6.3. Phát kiến khoa học