دانلود با لینک مستقیم و پر سرعت .
مشخصات این فایل
عنوان:نگاهی بر داده کاوی و کشف قوانین وابستگی
فرمت فایل: word(قابل ویرایش)
تعداد صفحات:38
این مقاله در مورد نگاهی بر داده کاوی و کشف قوانین وابستگی می باشد.
بخشی از تیترها به همراه مختصری از توضیحات هر تیتر از مقاله نگاهی بر داده کاوی و کشف قوانین وابستگی
مقدمه :
هدف از این اراِئه و تحقیق بررسی روشهای مطرح داده کاوی است .داده کاوی هر نوع استخراج دانش و یا الگواز داده های موجود در پایگاه داده است که این دانشها و الگوها ضمنی و مستتر در داده ها هستند ,از داده کاوی می توان جهت امور رده بندی (Classification ) و تخمین (Estimation) ,پیش بینی (Prediction) و خوشه بندی ...(ادامه دارد)
داده کاوی فرآیند بکارگیری یک یا چند تکنیک آموزش کامپیوتر، برای تحلیل و استخراج داده های یک پایگاه داده می باشد.در واقع هدف داده کاوی یافتن الگوهایی در داده هاست.دانش کسب شده از فرآیند داده کاوی بصورت مدل یا تعمیمی از داده ها نشان داده می شود....(ادامه دارد)
کشف دانش در پایگاه داده
KDD یا کشف دانش در پایگاه داده اصطلاحی است که مکررا بجای داده کاوی بکار می رود. از نظر تکنیکی، KDD کاربردی از روشهای علمی داده کاوی است.
بعلاوه برای انجام داده کاوی فرایند KDD شامل :
1- یک روش برای تهیه داده ها و استخراج داده ها ،
2- تصمیم گیری درباره عملی که پس از داده کاوی باید انجام شود ، می باشد.
...(ادامه دارد)
- داده کاوی :
همانطور که در شکل مشخص است مرحله بعد داده کاوی است. با این حال قبل از ارائه داده به ابزار داده کاوی ، چندین انتخاب داریم:
- یادگیری باید تحت کنترل باشد یا بدون کنترل ؟
- کدام نمونه ها در داده ها ی جمع آوری شده برای ساخت مدل بکار میروند و کدامها برای تست مدل ؟
- کدام صفتها از صفتهای موجود انتخاب می شوند ؟
و .......(ادامه دارد)
1. شبکه عصبی :
یک شبکه عصبی مجموعه ای از نودهای به هم پیوسته است که طراحی می شوند تا رفتار مغز انسان را شبیه سازی کنند.چون مغز انسان از بیلیونها عصب تشکیل شده و شبکه های عصبی کمتر از صد نود دارند مقایسه یک شبکه عصبی و رفتار مغز کمی غیر متعارف است. با این وجود شبکه های عصبی با موفقیت ، برای حل مسائل بکار برده می شوندو برای داده کاوی نیز کاملا ابزار مناسبی است ....(ادامه دارد)
قوانین پیوستگی:
یکی از مهمترین بخشهای داده کاوی، کشف قوانین وابستگی در پایگاه داده است.این قوانین، لزوم وقوع برخی صفات(آیتم ها) را در صورت وقوع برخی دیگر از آیتمها، تضمین می کند.برای روشن شدن مطلب یک فروشگاه خرده فروشی را در نظر بگیرید. مشخصات اجناس خریده شده توسط هر مشتری در یک رکورد پایگاه ...(ادامه دارد)
الگوریتم : Aprior TID
در این الگوریتم (Agrawal & Srikant ,1994)در ابتدا فضای جستجو پایگاه داده اولیه است که هر تراکنش آن را به عنوان مجموعه ای از مجموعه قلم های تک عضوی می بینیم:به این معنی که تراکنش ((100 l 1,2,3 به صورت (100 l{1}{2}{3})در نظر گرفته می شود
سپس همانند الگوریتم aprioriمجموعه اقلام 1 عضوی را ایجاد کرده و تعداد تکرار آنها را در پایگاه می شماریم و مجموعه اقلام بزرگ 1 عضوی را مشخص می کنیم....(ادامه دارد)
الگوریتم برداری :
برای هر آیتم یک بردار مشخصات (ویژگی) فشرده به همراه یک رکورد ویژگی ساخته میشود. این ساختار فقط یکبار در هنگامی که پایگاه داده برای اولین بار خوانده میشود، ساخته میشود. سپس برای پوشش محاسبه هر مجموعه آیتم, از بردارهای فوق( به جای پایگاه داده ) استفاده میشود....(ادامه دارد)
بخشی از فهرست مطالب نگاهی بر داده کاوی و کشف قوانین وابستگی در پایین آمده است.
چکیده:
مقدمه :
تعریف :
کشف دانش در پایگاه داده 1
آیا داده کاوی برای حل مسائل ما مناسب است؟
-جمع آوری داده ها :
-داده کاوی :
-تفسیر نتایج :
ـ بکارگیری نتایج :
استراتژیهای داده کاوی :
طبقه بندی1 :
تخمین2 :
پیش گویی Perdiction :
تحلیل سبد بازاری Market Basket Analyse
:Unsupervised Clustering دسته بندی بدون کنترل
1. شبکه عصبی :
2. برگشت آماری1 :
3. قوانین وابستگی2 :
قوانین پیوستگی:
...(ادامه دارد)
