تحقیق بررسی داده کاوی و الگوریتم های آن

این تحقیق بصورت Word و با موضوع بررسی داده کاوی و الگوریتم های آن انجام گرفته است.تحقیق برای کامپیوتر وIT مناسب است و در 26صفحه می باشد. می توانید این تحقیق را بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.

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.

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. 

فهرست مطالب

1. مقدمه ای بر داده ‌کاوی.. 1

1-1. دلایل پیدایش داده کاوی.. 2

1-2. مراحل کشف دانش.... 3

1-3. جایگاه داده کاوی در میان علوم مختلف... 7

1-4. داده کاوی چه کارهایی نمی تواند انجام دهد؟. 8

1-5. داده کاوی و انبار داده ها 8

1-6. داده کاوی و OLAP. 9

1-7.کاربرد یادگیری ماشین و آمار در داده کاوی.. 10

2. توصیف داده ها در داده کاوی.. 11

2-1. خلاصه سازی و به تصویر در آوردن داده ها11

2-2. خوشه بندی 11

2-3. تحلیل لینک... 12

3. مدل های پیش بینی داده ها12

3-1.Classification. 12

3-2.Regression. 12

3-3.Time series. 13

4. مدل ها و الگوریتم های داده کاوی.. 13

4-1.شبکه های عصبی 13

4-2.Decision trees. 16

4-3.Multivariate Adaptive Regression Splines(MARS)17

4-4.Rule induction. 18

4-5.K-nearest neibour and memory-based reansoning(MBR)19

4-6. رگرسیون منطقی.. 20

4-7. تحلیل تفکیکی 20

4-8. مدل افزودنی کلی (GAM)21

4-9.Boosting. 21

5. سلسله مراتب انتخابها21

منابع.. 23