بخشی از مقدمه:ما به تدريج با اين واقعيت رشد كرده ايم كه حجم عظيمي از داده ها وجود دارد كه كامپيوترها، شبكه ها و در حقيقت تمام زندگي مارا فرا گرفته است. سازمان هاي دولتي، مؤسسات علمي و تجاري ،سرمايه هنگفتي را براي جمع آوري و ذخيره اين داده ها اختصاص داده اند. در حالي كه فقط مقدار كمي از اين داده ها مورد استفاده قرار مي گيرند. زيرا، در بسياري از موارد، حجم داده هاي لازم براي سازماندهي بسيار بالا بوده يا ساختار آن ها بسيار پيچيده است.
ضرورت درك مجموعه داده هاي بزرگ، پيچيده و اطلاعات كامل و غني در زمينه تجارت،علوم و مهندسي كم و بيش رايج است. توانايي استخراج دانش و اطلاعات مفيد موجود در اين داده ها و امكان استفاده از اين دانش در جهان رقابتي امروز بيش از پيش حائز اهميت است. به كل فرآيند به كارگيري متدولو‍ژي مبتني بر كامپيوتر از جمله روش هاي جديد براي دريافت دانش و اطلاعات از داده ها را داده كاوي مي گويند.
داده کاوی دراواخر دهه 1980پدیدار گشت در سال 1990گام های بلندی دراین شاخه ازعلم برداشته شد. درزمانی طلا یازغال سنگ ارزشمند ترین چیزی بودند که انسان ها برای بالا بردن کیفیت زندگی شان به جستجو آن می پرداختند. دردنیای امروزه داده ها حکم طلا را دارند و با ارزش ترین ماده خام دنیای کنونی محسوب می شوند.
اصطلاح داده کاوی برگرفته از (gold mining) یا استخراج طلا از صخره های سنگی است. در رابطه با استخراج و اکتشاف طلا از واژه Rock mining استفاده نشده است و بنابراین شاید نام مناسب برای Data mining نیز واژه Knowledge mining frim data بود اما از انجا که این واژه طولانی بود ازواژه Data mining استفاده می شود.
...
فهرست مطالب:فصل اول مفاهيم داده كاوي1-1 مقدمه
1-2 ريشه هاي داده كاوي
1-3 برای انجام داده کاوی به چه چیزهایی نیاز است
1-4 فرآيندداده كاوي
1-5 عناصر داده کاوی
1-6 روش های داده کاوی
1-7 مراحل اصلی داده کاوی
1-8 فنون داده کاوی
1-9 دلایل استفاده از داده کاوی
1-10 استراتژی های داده کاوی
1-11 تکنیک های داده کاوی
1-12 ضرورت داده کاوی
1-13 کارکردها ووظایف داده کاوی
1-14 کاربردهای داده کاوی
1-15 مثالی کلاسیک از داده کاوی
1-16 فواید ونقش داده کاوی درفعالیت شرکت ها
1-17 نمونه های اجرایی داده کاوی
7-1- درزمینه صنعت
7-3- در مدیریت ریسک
1-18 انبار هاي داده
1-19روش آنالیز آماری
1-20 تفاوت داده کاوی وآنالیزهای آماری
فصل دوم: آماده سازي داده ها2-1 نمايش داده هاي خام
2-2 ويژگي هاي داده هاي اوليه(خام)
2-3 تبديل داده هاي خام
2-4 تحليل داده هاي نا منطبق
فصل سوم: روشهاي آمار3-1 استنتاج آماري
3-2 تشخيص تفاوت ها درمجموعه داده
3-3 رگرسيون پيشگو
3-4 تحليل واريانس
3-5 تحليل مميز خطي
فصل چهارم: درختان تصميم و قوانين تصميم4-1 مقدمه
4-2 درخت تصميم
4-3 الگوريتمc4.5 :توليددرخت تصميم
4-4 مقاديرويژگي ناشناخته
4-5 هرس كردن درخت تصميم
4-6 توليد قوانين تصميم
4-7 محدوديتهاي درختان تصميم وقوانين تصميم
فصل پنجم: قوانين انجمني5-1 مقدمه
5-2 تحليل سبدخريد
5-3 الگوريتم APRIORI
5-4 مجموعه اقلام هاي تكراري وروابط انجمني
5-5 افزايش راندمان وكارايي الگوريتمApriori
5-6 كاوش قوانين انجمني چند بعدي
5-7 كاوش وب( وب كاوي )
5-8 كاوش متن
فصل ششم: شبكه هاي عصبي مصنوعي6-1 مقدمه
6-2 مدل يك نورون مصنوعي
6-3 معماري هاي شبكه هاي عصبي مصنوعي
6-4 فرآينديادگيري
6-5 وظايف يادگيري
6-6 مفاهيم چندلايه اي
6-7 شبكه هاي رقابتي ويادگيري رقابتي
فصل هفتم: الگوريتم هاي ژنتيك7-1 اصول الگوريتم ژنتيك
7-2پيوندزني
7-3 نمايش ساده اي براي يك الگوريتم ژنتيك
فصل هشتم: روشهاي تجسم سازي8- 1 ادراك وتجسم ساز ي فكري
8-2تجسم سازي علمي وتجسم سازي اطلاعات
8-3 سيستم هاي تجسم سازي براي داده كاوي
نتیجه گیری
منابع
برچسب ها:
مفاهيم داده كاوی روش های رگرسیون درخت تصميم الگوريتم c4 شبكه های عصبی مصنوعی پروژه راهكارهای داده كاوی پروژه ابزارهای داده کاوی پروژه داده کاوی