تبلیغات
دنیای فایل - دانلود فایل نگاهی بر داده کاوی و کشف قوانین وابستگی
 
امروزه داده کاوی به عنوان یکی از مهمترین مسائل هوش مصنوعی و پایگاه داده، محققان یسیاری را به خود جذب کرده است در این تحقیق ابتدا نگاه کلی بر داده کاوی، استراتژیهای داده کاوی و داریم،
دسته بندی کامپیوتر و IT
بازدید ها 48
فرمت فایل doc
حجم فایل 274 کیلو بایت
تعداد صفحات فایل 40
نگاهی بر داده کاوی و کشف قوانین وابستگی

فروشنده فایل

کد کاربری 1024
کاربر

مقاله نگاهی بر داده کاوی و کشف قوانین وابستگی

چکیده:
امروزه داده کاوی به عنوان یکی از مهمترین مسائل هوش مصنوعی و پایگاه داده، محققان یسیاری را به خود جذب کرده است. در این تحقیق ابتدا نگاه کلی بر داده کاوی، استراتژیهای داده کاوی و... داریم، سپس مسأله کشف قوانین وابستگی در پایگاه داده را به تفضیل بررسی کردیم و نگاهی به الگوریتمهای موجود برای آن داشتیم. سپس مسأله کشف قوانین وابستگی در پایگاه داده های پویا را مورد بحث قرار دادیم و الگوریتم های ارائه شده مربوطه را مطرح کردیم.


Data mining(داده كاوی)
تعریف :
داده كاوی فرآیند بكارگیری یك یا چند تكنیك آموزش كامپیوتر، برای تحلیل و استخراج داده های یك پایگاه داده می باشد.در واقع هدف داده كاوی یافتن الگوهایی در داده هاست.
دانش كسب شده از فرآیند داده كاوی بصورت مدل یا تعمیمی از داده ها نشان داده می شود.
چندین روش داده كاوی وجود دارد با این وجود همه روشها “ آموزش بر مبنای استنتاج “ را بكار می برند.
آموزش بر مبنای استنتاج، فرآیند شكل گیری تعاریف مفهوم عمومی از طریق مشاهده مثالهای خاص از مفاهیمی كه آموزش داده شده اند، است.
مثال زیر نمونه ای از دانش بدست امده از طریق فرایند اموزش بر مبنای استنتاج است:
آیا تا كنون فكر كرده اید، فروشگاههای بزرگ اینترنتی در mail های خود به مشتریان از چه تبلیغاتی استفاده می كنند؟ و آیا این تبلیغات برای همه مشتریان یكسان است؟
پاسخ این است كه از روی دانش كسب شده از اطلاعات خرید افراد و نتیجه گیری از این دانش، این كار را انجام می دهند.مثلا در نظر بگیرید یك قانون در پایگاه داده بصورت زیر استخراج می شود:
دقت = 80% : سیگار می خرند ^ نان می خرند كسانی كه شیر می خرند
از روی این قانون فروشگاه می تواند به تمام كسانی كه شیر می خرند تبلیغات سیگار و انواع نان را نیز بفرستد.همچنین این قانون در چیدن قفسه های فروشگاه نیز بی تاثیر نخواهد بود.
{شیر و نان و سیگار در قفسه های كنار هم چیده شوند}

كشف دانش در پایگاه داده 1
KDD یا كشف دانش در پایگاه داده اصطلاحی است كه مكررا بجای داده كاوی بكار می رود. از نظر تكنیكی، KDD كاربردی از روشهای علمی داده كاوی است.
بعلاوه برای انجام داده كاوی فرایند KDD شامل :
1- یك روش برای تهیه داده ها و استخراج داده ها ،
2- تصمیم گیری درباره عملی كه پس از داده كاوی باید انجام شود،
می باشد.

آیا داده كاوی برای حل مسائل ما مناسب است؟
تصمیم گیری در مورد اینكه آیا داده كاوی را به عنوان استراتژی حل مساله بكار ببریم یا نه، یك مساله دشوار است.
اما به عنوان نقطه شروع چهار سؤال عمومی را باید در نظر بگیریم :
1. آیا به وضوح می توانیم مساله را تعریف كنیم ؟
2. آیا بطور بالقوه داده با معنی وجود دارد ؟
3. آیا داده ها شامل “ دانش پنهان” هستند یا فقط برای هدف گزارشگری مناسبند ؟
4. آیا هزینه پردازش داده (برای داده كاوی) كمتر از سود حاصل از دانش پنهان بدست آمده از پروژه داده كاوی است ؟
یك مدل پردازش داده كاوی ساده :
در یك دید كلی ، ما می توانیم داده كاوی را به عنوان یك فرآیند چهار مرحله ای تعریف كنیم :
1. جمع آوری یك مجموعه از داده ها برای تحلیل
2. ارائه این داده ها به برنامه نرم افزاری داده كاوی
3. تفسیر نتایج
4. بكارگیری نتایج برای مساله یا موقعیتهای جدید






نوع مطلب :
برچسب ها :
لینک های مرتبط :


 
لبخندناراحتچشمک
نیشخندبغلسوال
قلبخجالتزبان
ماچتعجبعصبانی
عینکشیطانگریه
خندهقهقههخداحافظ
سبزقهرهورا
دستگلتفکر


دنیای فایل
درباره وبلاگ


مدیر وبلاگ : مهرداد غفاری
نویسندگان
آمار وبلاگ
کل بازدید :
بازدید امروز :
بازدید دیروز :
بازدید این ماه :
بازدید ماه قبل :
تعداد نویسندگان :
تعداد کل پست ها :
آخرین بازدید :
آخرین بروز رسانی :