سمینار داده کاوی

داده کاوی فرآیند کشف و تحلیل حجم بزرگی از داده­ها با استفاده از روش­ های آماری و ریاضی می­باشد. داده کاوی به معنای استفاده از ابزار تحلیل داده برای کشف ناشناخته ­ها، الگوهای معتبر و روابط مجموعه ­های بزرگ داده است. جهت پیش ­بینی در علم داده کاوی از تحلیل در داده ­های موجود جهت کشف دانش استفاده می­کنیم. شکل ۱ این مطلب را نشان می­دهد.

کشف دانش در داده کاوی
کشف دانش در داده کاوی

مسئله پیشگویی، شامل طبقه بندی داده می­باشد. یکسری گروه(طبقه) از قبل تعیین شده موجود است و باید به نمونه ی جدید یک یا چند گروه را نسبت داده شود. جهت پیشگویی نیاز به مجموعه­ ی داده­ای است که شامل تعدادی سطر و تعدادی ستون باشد و در یک ماتریس(صفحه گسترده) نمایش داده می­ شود. در کلاسبندی، یک ستون اضافه بنام کلاس به ماتریس اضافه می­شود که شامل کلاس­ های صحیحی است که هر  نمونه ­ی آموزشی[1] در مجموعه داده دارد. برچسب ها می­توانند از نوع صحیح/غلط و یا 0/1 و یا نام طبقه(گروه) باشند.

همچنین مطالب زیر را بخوانید:

سمینار کارشناسی ارشد| هدایت شبکه خودرویی با رویکرد ترکیبی داده کاوی به منظور کنترل ترافیک

گزارش کارشناسی ارشد مهندسی نرم افزار و داده کاوی|پیش‌بینی خطاپذیری ماژول‌های نرم‌افزاری با استفاده از الگوریتم‌های یادگیری ماشین

گزارش کارشناسی ارشد مهندسی کامپیوتر, داده کاوی, سمینار کارشناسی ارشد, بررسی روش های کلاسبندی چندبرچسبی بر روی داده های متنی

گزارش کارشناسی ارشد مهندسی کامپیوتر, داده کاوی, سمینار کارشناسی ارشد, بررسی خوشه بندی داده های متنی براساس منطق فازی

کارشناسی ارشد| فایل لاتکس| بررسی تشخیص بیماری به کمک ترکیب الگوریتم­های تکاملی و تکنیک­های داده کاو


[1] Training Set