III. SOFT COMPUTING FOR DATA MINING

III. SOFT COMPUTING FOR DATA MINING
Recently various soft computing methodologies have been applied to handle the different challenges posed by data mining. The main constituents of soft computing, at this juncture, in¬clude fuzzy logic, neural networks, genetic algorithms, and rough sets. Each of them contributes a distinct methodology for addressing problems in its domain. This is done in a coop¬erative, rather than a competitive, manner. The result is a more intelligent and robust system providing a human-interpretable, low cost, approximate solution, as compared to traditional techniques.
Let us first describe the roles and significance of the indi-vidual soft computing tools and their hybridizations, followed by the various systems developed for handling the different functional aspects of data mining. A suitable preference cri-terion is often optimized during mining. It may be mentioned that there is no universally best data mining method; choosing particular soft computing tool(s) or some combination with traditional methods is entirely dependent on the particular application and requires human interaction to decide on the suitability of an approach.

Hasil (Bahasa Indonesia) 1:

III. SOFT COMPUTING UNTUK DATA MININGBaru saja berbagai metodologi komputasi yang lembut telah diterapkan untuk menangani berbagai tantangan yang ditimbulkan oleh data pertambangan. Konstituen utama dari lembut komputasi, pada saat ini, ¬ clude logika fuzzy, jaringan saraf, algoritma genetik, dan kasar set. Masing-masing menyumbang sebuah metodologi yang berbeda untuk mengatasi masalah dalam domainnya. Hal ini dilakukan di coop¬erative, bukan cara yang kompetitif,. Hasilnya adalah sistem yang lebih cerdas dan kuat yang menyediakan solusi yang ditafsirkan manusia, biaya rendah, perkiraan, dibandingkan dengan teknik tradisional.Mari kita pertama menjelaskan peran dan pentingnya perangkat komputasi lembut indi-melarang masing-masing dan hybridizations mereka, diikuti oleh berbagai sistem yang dikembangkan untuk menangani aspek fungsional yang berbeda data pertambangan. Cocok preferensi cri-terion sering dioptimalkan selama penambangan. Mungkin disebutkan bahwa ada tidak ada metode pertambangan data universal terbaik; memilih tertentu alat (s) komputasi lembut atau beberapa kombinasi dengan metode tradisional sepenuhnya tergantung pada aplikasi tertentu dan memerlukan interaksi manusia untuk memutuskan kesesuaian pendekatan.

Hasil (Bahasa Indonesia) 2:

AKU AKU AKU. SOFT COMPUTING DATA MINING
Terakhir berbagai metodologi soft computing telah diterapkan untuk menangani tantangan yang berbeda yang ditimbulkan oleh data mining. Konstituen utama soft computing, pada saat ini, in¬clude logika fuzzy, jaringan saraf, algoritma genetika, dan set kasar. Masing-masing memberikan kontribusi metodologi yang berbeda untuk mengatasi masalah dalam domainnya. Hal ini dilakukan dalam coop¬erative, daripada kompetitif, cara. Hasilnya adalah sistem yang lebih cerdas dan kuat menyediakan, murah manusia-diinterpretasi, solusi perkiraan, dibandingkan dengan teknik tradisional.
Mari kita menggambarkan peran dan pentingnya alat komputasi lembut indi-vidual dan hibridisasi mereka, diikuti oleh berbagai sistem yang dikembangkan untuk menangani aspek-aspek fungsional yang berbeda dari data mining. Preferensi cocok cri-terion sering dioptimalkan selama pertambangan. Dapat disebutkan bahwa tidak ada metode data mining universal terbaik; memilih alat tertentu soft computing (s) atau beberapa kombinasi dengan metode tradisional sepenuhnya tergantung pada aplikasi tertentu dan membutuhkan interaksi manusia untuk memutuskan kesesuaian pendekatan.