تحقیق در مورد مقدمه ای بر داده کاوی

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 31 صفحه

 قسمتی از متن .doc : 

دانشکده برق و کامپیوتر

درس پایگاه دادههای پیشرفته 2

گزارش اول

مقدمهای بر دادهکاوی

مصطفی کیخا 810184097

علی عباسی 810184102

فهرست

1 مقدمه ای بر داده‌کاوی 3

1-1 چه چیزی سبب پیدایش داده کاوی شده است؟ 4

1-2 مراحل کشف دانش 6

1-3 جایگاه داده کاوی در میان علوم مختلف 11

1-4 داده کاوی چه کارهایی نمی تواند انجام دهد؟ 12

1-5 داده کاوی و انبار داده ها 13

1-6 داده کاوی و OLAP 14

1-7 کاربرد یادگیری ماشین و آمار در داده کاوی 15

2- توصیف داده ها در داده کاوی 15

2-1 خلاصه سازی و به تصویر در آوردن داده ها 15

2-2 خوشه بندی 16

2-3 تحلیل لینک 16

3- مدل های پیش بینی داده ها 17

3-1 Classification 17

3-2 Regression 17

3-3 Time series 18

4 مدل ها و الگوریتم های داده کاوی 18

4-1 شبکه های عصبی 18

4-2 Decision trees 22

4-3 Multivariate Adaptive Regression Splines(MARS) 24

4-4 Rule induction 25

4-5 K-nearest neibour and memory-based reansoning(MBR) 26

4-6 رگرسیون منطقی 27

4-7 تحلیل تفکیکی 27

4-8 مدل افزودنی کلی (GAM) 28

4-9 Boosting 28

5 سلسله مراتب انتخابها 29

1 مقدمه ای بر داده‌کاوی

در دو دهه قبل توانایی های فنی بشر در برای تولید و جمع آوری داده‌ها به سرعت افزایش یافته است. عواملی نظیر استفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسب و کار، علوم، خدمات دولتی و پیشرفت در وسائل جمع آوری داده، از اسکن کردن متون و تصاویر تا سیستمهای سنجش از دور ماهواره ای، در این تغییرات نقش مهمی دارند [‎1].

بطور کلی استفاده همگانی از وب و اینترنت به عنوان یک سیستم اطلاع رسانی جهانی ما را مواجه با حجم زیادی از داده و اطلاعات می‌کند. این رشد انفجاری در داده‌های ذخیره شده، نیاز مبرم وجود تکنولوژی های جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند: داده کاوی به عنوان یک راه حل برای این مسائل مطرح می باشد. در یک تعریف غیر رسمی داده کاوی فرآیندی است، خودکار برای استخراج الگوهایی که دانش را بازنمایی می کنند، که این دانش به صورت ضمنی در پایگاه داده های عظیم، انباره داده و دیگر مخازن بزرگ اطلاعات، ذخیره شده است. داده کاوی بطور همزمان از چندین رشته علمی بهره می برد نظیر: تکنولوژی پایگاه داده، هوش مصنوعی، یادگیری ماشین، شبکه های عصبی، آمار، شناسایی الگو، سیستم های مبتنی بر دانش، حصول دانش، بازیابی اطلاعات، محاسبات سرعت بالا و بازنمایی بصری داده . داده کاوی در اواخر دهه 1980 پدیدار گشته، در دهه 1990 گامهای بلندی در این شاخه از علم برداشته شده و انتظار می رود در این قرن به رشد و پیشرفت خود ادامه دهد [‎2].

واژه های «داده کاوی» و «کشف دانش در پایگاه داده» اغلب به صورت مترادف یکدیگر مورد استفاده قرار می گیرند. کشف دانش به عنوان یک فرآیند در شکل1-1 نشان داده شده است.

کشف دانش در پایگاه داده فرایند شناسایی درست، ساده، مفید، و نهایتا الگوها و مدلهای قابل فهم در داده ها می باشد. داده کاوی، مرحله ای از فرایند کشف دانش می باشد و شامل الگوریتمهای مخصوص داده کاوی است، بطوریکه، تحت محدودیتهای مؤثر محاسباتی قابل قبول، الگوها و یا مدلها را در داده کشف می کند [‎1]. به بیان ساده تر، داده کاوی به فرایند استخراج دانش ناشناخته، درست، و بالقوه مفید از داده اطلاق می شود. تعریف دیگر اینست که، داده کاوی گونه ای از تکنیکها برای شناسایی اطلاعات و یا دانش تصمیم گیری از قطعات داده می باشد، به نحوی که با استخراج آنها، در حوزه های تصمیم گیری، پیش بینی، پیشگویی، و تخمین مورد استفاده قرار گیرند. داده ها اغلب حجیم ، اما بدون ارزش می باشند، داده به تنهایی قابل استفاده نیست، بلکه دانش نهفته در داده ها قابل استفاده می باشد. به این دلیل اغلب به داده کاوی، تحلیل داده ای ثانویه گفته می شود.

1-1 چه چیزی سبب پیدایش داده کاوی شده است؟

اصلی ترین دلیلی که باعث شد داده کاوی کانون توجهات در صنعت اطلاعات قرار بگیرد، مساله در دسترس بودن حجم وسیعی از داده ها و نیاز شدید به اینکه از این داده ها اطلاعات و دانش سودمند استخراج کنیم. اطلاعات و دانش بدست آمده در کاربردهای وسیعی از مدیریت کسب و کار وکنترل تولید و تحلیل بازار تا طراحی مهندسی و تحقیقات علمی مورد استفاده قرار می گیرد.

داده کاوی را می توان حاصل سیر تکاملی طبیعی تکنولوژی اطلاعات دانست، که این سیر تکاملی ناشی از یک سیر تکاملی در صنعت پایگاه داده می باشد، نظیر عملیات: جمع آوری داده ها وایجاد پایگاه داده، مدیریت داده و تحلیل و فهم داده ها. در شکل1-2 این روند تکاملی در پایگاه های داده نشان داده شده است ]‎3[.

پاورپوینت مقدمه ای بر داده کاوی

دسته بندی : پاورپوینت 

نوع فایل:  ppt _ pptx

( قابلیت ویرایش )

 قسمتی از اسلاید پاورپوینت : 

تعداد اسلاید : 14 صفحه

مقدمه ای بر داده کاوی مقدمه ای بر داده‌کاوی استفاده از رشته های مختلف پایگاه داده هوش مصنوعی یادگیری ماشین آمار بازیابی اطلاعات کشف دانش در پایگاه داده فرایند استخراج دانش ناشناخته، درست، و بالقوه مفید از داده چه چیزی سبب پیدایش داده کاوی شده است؟
در دسترس بودن حجم وسیعی از داده ها و نیاز شدید به استخراج اطلاعات و دانش از این داده ها تعیین استراتژی برای کسب و کار پایگاه دانش تحقیقات علمی و پزشکی مراحل کشف دانش پاکسازی داده ها (از بین بردن نویز و ناسازگاری داده ها).
یکپارچه سازی داده ها (چندین منبع داده ترکیب می شوند) انتخاب داده ها (داده های مرتبط با آنالیزازپایگاه داده بازیابی می شوند).
تبدیل کردن داده ها (خلاصه سازی و همسان سازی) داده کاوی (فرایند اصلی استخراج الگوها ) ارزیابی الگو ارائه دانش اجزاء اصلی سیستم داده کاوی پایگاه داده، انباره داده یا دیگر مخازن اطلاعات سرویس دهنده پایگاه داده یا انباره داده پایگاه دانش موتور داده کاوی پیمانه ارزیابی الگو واسط کاربرگرافیکی جایگاه داده کاوی در میان علوم مختلف کاربردهای معمول تجاری مدیریت و کشف فریب متن کاوی پزشکی ورزش وب کاوی داده کاوی و انبار داده ها استخراج داده ها از یک انبار داده اعمال مقدماتی مشترک با داده کاوی داده کاوی و OLAP OLAP جزیی از ابزارهای تصمیم گیری هدف بررسی دلیل صحت یک فرضیه است داده کاوی هدف کشف الگوها است داده کاوی و OLAP می توانند همدیگر را تکمیل کنند توصیف داده ها در داده کاوی خلاصه سازی و به تصویر در آوردن داده ها ابزارهای تصویرسازی داده ها و گراف سازی تعداد زیاد پارامتر خوشه بندی تقسیم داده های موجود به چند گروه باید یک فرد خبره خوشه های ایجاد شده را تفسیر کند Kohnen و K-means تحلیل لینک کشف وابستگی کشف ترتیب مدل های پیش بینی داده ها Classification Regression logistic regression درخت­های تصمیم شبکه­های عصبی Time series مدل ها و الگوریتم های داده کاوی شبکه های عصبی لایه ورودی لایه نهان لایه خروجی Feed-Forward Backpropagation Decision trees Multivariate Adaptive Regression Splines(MARS) Rule induction K-nearest neibour and memory-based reansoning(MBR) مدل ها و الگوریتم های داده کاوی مدل ها و الگوریتم های داده کاوی رگرسیون منطقی مدل افزودنی کلی (GAM) Boosting سلسله مراتب انتخاب ها هدف تجاری نوع پیش­بینی نوع مدل الگوریتم محصول Two Crows Corporation,Introduction to Data Mining and Knowledge Discovery,1999 David Hand, Heikki Mannila , Padhraic Smyth.
Principles of Data Mining.
The MIT Press .
2001. J.Han, and M.Kamber, "Data Mining: Concepts and Techniques", San Diego Academic Press, 2001. Usama Fayyad, Gregory Piatetsky-Shapiro, and Padhraic Smyth.From Data Mining to Knowledge Discovery in Databases.1996 .

  متن بالا فقط قسمتی از اسلاید پاورپوینت میباشد،شما بعد از پرداخت آنلاین ، فایل کامل را فورا دانلود نمایید 

  لطفا به نکات زیر در هنگام خرید دانلود پاورپوینت:  توجه فرمایید.

در این مطلب، متن اسلاید های اولیه قرار داده شده است.به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت  تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرماییدپس از پرداخت هزینه ،ارسال آنی پاورپوینت خرید شده ، به ادرس ایمیل شما و لینک دانلود فایل برای شما نمایش داده خواه شددر صورت  مشاهده  بهم ریختگی احتمالی در متون بالا ،دلیل آن کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارددر صورتی که اسلاید ها داری جدول و یا عکس باشند در متون پاورپوینت قرار نخواهند گرفت.
هدف فروشگاه کمک به سیستم آموزشی و یادگیری ، علم آموزان میهن عزیزمان میباشد. 

 « پرداخت آنلاین و دانلود در قسمت پایین »