Data Mining چيست؟

Data Mining عبارت است از اقتباس يا استخراج دانش از مجموعه ای از داده ها ، به بيان ديگر ، Data Mining فرايندی است که با استفاده از تکنيکهای هوشمند، دانش را از مجموعه ای از داده ها استخراج می کند.

Data Mining از ساخت مدل های تحليلی ، دسته بندی و پيش بينی اطلاعات و ارائه نتايج با استفاده از ابزارهای مرتبط استفاده می کند.

برای اينکه الگوريتم Data Mining بتواند عمل استخراج دانش را بخوبی انجام دهد، نياز به يک سری پيش پردازش ها بر روی مجموعه آموزشی و يک سری پس پردازش ها بر روی الگوهای استخراج شده دارد.

مراحل Data Mining

• پاک سازی داده ها

در اين مرحله داده های غير معتبر از مجموعه داده های آموزشی خارج می شوند. داده های دارای نويز، اطلاعات ناکامل و … نمونه هايی از داده هايی هستند که با يد پاکسازی در مورد آنها انجام گردد.

• يکپارچه سازی داده ها

در اين مرحله، منابع چندگانه داده ای با هم ترکيب می شوند.

• انتخاب داده ها

داده های مرتبط به فرايند Data Mining از ساير داده ها جدا می شود. اين مبحث را می توان بخشی از فرايند کاهش اطلاعات نيز دانست.

• تبديل داده ها

داده ها به قالبی قابل استفاده برای Data Mining در می آيند. از اعمالی که در اين مرحله صورت می گيرد ، می توان به خلاصه سازی و يا محاسبه مقادير تجمعی اشاره کرد.

• Data Mining

بخش اصلی فرايند که در آن با استفاده از روش ها و تکنيکهای خاص ، استخراج الگو های دانش صورت می گيرد.

• ارزيابی الگوها

تشخيص الگو های صحيح مورد نظر ، از ساير الگو ها در اين مرحله انجام می شود. صحت الگوها بر اساس يک سری معيار های جذابيت سنجيده می شود.

• بازنمايی دانش

در اين  بخش به منظور ارائه دانش استخراج شده به کاربر ، از يک سری ابزارهای بصری سازی استفاده می گردد.

فهرست مطالب

Data Mining چيست؟

مراحل Data Mining

کاهش اطلاعات

اطلاعات مورد نياز برای عمليات Data Mining

روشهای مختلف Data Mining

روشهای بکار گرفته شده برای Knowledge Discovery

Classification: Application 1

Classification: Application 2

Regression

Regression Example

Clustering: Application 1

Clustering: Application 2

Association Rule Discovery: Application 1

Data Mining Software

مشکلات سيستم های Data Mining

امکانات سيستم های مديريت پايگاه داده ها

وجود عدم قطعيت در اطلاعات