Để dự đoán xu hướng tăng/giảm của một mã chứng khoán bất kỳ dựa trên thông tin về giá cả, lượng cổ phiếu mua vào và bán ra của các ngày trước đó. Ta sử dụng công cụ nào sau đây?

Quy trình khai thác dữ liệu (Data Mining) thường bao gồm các bước chính sau: hiểu dữ liệu (Data Understanding), chuẩn bị dữ liệu (Data Preparation), khai thác dữ liệu (Data Mining), đánh giá (Evaluation) và triển khai (Deployment). Tuy nhiên, bản thân 'Data Mining' là một bước trong quy trình, chứ không phải là một phần của việc xác định các bước trong quy trình. Vì vậy, đáp án C không phải là một bước trong quy trình khai thác dữ liệu.

Thuộc tính "Loại khách hàng" với các giá trị "VIP", "Premium" và "Economic" thể hiện một thứ tự hoặc cấp bậc nhất định (VIP > Premium > Economic). Vì vậy, đây là thuộc tính kiểu dữ liệu xếp hạng/thứ tự. Các giá trị có một sự so sánh về mặt giá trị (ví dụ, khách hàng VIP có giá trị cao hơn khách hàng Economic).

• Liên tục: Dữ liệu liên tục có thể nhận bất kỳ giá trị nào trong một phạm vi nhất định (ví dụ: nhiệt độ, chiều cao).
• Rời rạc: Dữ liệu rời rạc chỉ có thể nhận một số hữu hạn các giá trị (ví dụ: số lượng phòng trong một căn nhà).
• Định danh: Dữ liệu định danh được sử dụng để gán nhãn hoặc phân loại các đối tượng, nhưng không có bất kỳ thứ tự hoặc thứ hạng nào (ví dụ: màu sắc, tên sản phẩm).

Tiền xử lý dữ liệu là quá trình chuẩn bị dữ liệu thô để làm cho nó phù hợp hơn cho các mô hình và thuật toán học máy. Quá trình này thường bao gồm các bước như làm sạch dữ liệu (xử lý các giá trị bị thiếu, nhiễu), chuyển đổi dữ liệu (ví dụ: chuẩn hóa, rời rạc hóa), và rút gọn dữ liệu (giảm chiều dữ liệu). Thu thập dữ liệu là một bước riêng biệt, diễn ra trước khi tiền xử lý dữ liệu. Vì vậy, thu thập dữ liệu không thuộc các bước của tiền xử lý dữ liệu.

Rời rạc hóa dữ liệu (discretization) là quá trình chuyển đổi dữ liệu từ dạng liên tục (ví dụ: số thực) sang dạng rời rạc (ví dụ: các khoảng giá trị hoặc các nhóm). Việc này thường được thực hiện khi dữ liệu thuộc kiểu số học (numerical data) và ta muốn chuyển nó sang dạng phù hợp hơn cho một số thuật toán học máy hoặc phân tích dữ liệu, đặc biệt là những thuật toán hoạt động tốt hơn với dữ liệu phân loại. Ví dụ, một thuật toán có thể hoạt động tốt hơn với các nhóm tuổi (trẻ, trung niên, già) thay vì độ tuổi chính xác. Các lựa chọn khác không phải là lý do chính để rời rạc hóa dữ liệu. Dữ liệu thiếu cần được xử lý bằng các phương pháp khác. Dữ liệu định danh đã là rời rạc. Dữ liệu nhị phân cũng đã là rời rạc.

Thuật toán phân lớp được sử dụng trong quá trình huấn luyện (training) mô hình. Trong quá trình huấn luyện, thuật toán sẽ học từ dữ liệu huấn luyện để xây dựng một mô hình có khả năng phân loại các đối tượng mới. Các quá trình kiểm thử, đánh giá và dự đoán sử dụng mô hình đã được huấn luyện.