بخشی از متن فایل
تکنيک هاي داده کاوي
lدادهکاوي وابسته به کاربرد بوده و کاربردهاي مختلف نيازمند روشها و تکنيکهاي دادهکاوي مختلفي هستند.
lکاوش قواعد وابستگي (Association Rules Mining)
- کشف وابستگيها و ارتباطات بين دادههاي موجود در يک پايگاه داد
- نتيجه: دستهاي از قواعد است که به آنها قواعد وابستگي گفته ميشود
lدستهبندي (Classification)
- کاوش قوانين دستهبندي
- تعداد دسته ها يا کلاس هاي دسته بندي از قبل مشخص مي شود
- نتيجه: توليد يک درخت تصميم يا مجموعهاي از قوانين دستهبندي، که براي فهم بهتر دادههاي موجود در پايگاه داده و همچنين دستهبندي دادههايي که در آينده به پايگاه داده اضافه ميشوند به کار ميرود.
lخوشهبندي (Clustering)
- گروه بندي داده ها
- برخلاف دستهبندي تعداد کلاسها در ابتدا مشخص نيست
- خوشهبندي دادهها براساس اصل مفهومي حداکثرسازي شباهتهاي بين اعضاي هر کلاس و حداقلسازي شباهتها بين اعضاي مربوط به کلاسهاي مختلف صورت مي گيرد
lپيشبيني (Prediction)
- مقادير ممکن براي متغيرهاي نامعلوم پيشبيني ميشوند
- استفاده از شبکههاي عصبي و الگوريتم ژنتيک براي پيشبيني
lتحليل سريهاي زماني (Time Series Analysis)
- هدف: يافتن خصوصيات جالب توجه و نظمهاي مشخص در حجم بالاي داده
- رخداد وقايع متوالي، مجموعه وقايعي که بعد از يک واقعه مشخص به وقوع ميپيوندند، روندها و انحرافها از جمله اين نظمها و پديدههاي جالب توجه هستند