این تحقیق ، با موضوع مقدمه ای بر داده کاوی بصورت Word انجام گرفته است.تحقیق برای رشته کامپیوتر و IT مناسب است و در 30 برگه می باشد. شما می توانید این تحقیق را بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.

بلافاصله بعد از پرداخت و خرید ، لینک دانلود نمایش داده می شود، علاوه بر آن لینک فایل مربوطه به ایمیل شما نیز ارسال می گردد.

1- مقدمه (قسمتی از متن)

در دو دهه قبل توانايي های فنی بشر در برای توليد و جمع آوری داده‌ها به سرعت افزايش يافته است. عواملی نظير استفاده گسترده از بارکد برای توليدات تجاری، به خدمت گرفتن کامپيوتر در کسب و کار، علوم، خدمات دولتی و پيشرفت در وسائل جمع آوری داده، از اسکن کردن متون و تصاوير تا سيستمهای سنجش از دور ماهواره ای، در اين تغييرات نقش مهمی دارند.

بطور کلی استفاده همگانی از وب و اينترنت به عنوان يک سيستم اطلاع رسانی جهانی ما را مواجه با حجم زیادی از داده و اطلاعات می‌کند. اين رشد انفجاری در داده‌های ذخيره شده، نياز مبرم وجود تکنولوژی های جديد و ابزارهای خودکاری را ايجاد کرده که به صورت هوشمند به انسان ياری رسانند تا اين حجم زياد داده را به اطلاعات و دانش تبديل کند: داده کاوی به عنوان يک راه حل برای اين مسائل مطرح مي باشد. در يک تعريف غير رسمی داده کاوی فرآيندی است، خودکار برای استخراج الگوهايی که دانش را بازنمايی مي کنند، که اين دانش به صورت ضمنی در پايگاه داده های عظيم، انباره دادهو ديگر مخازن بزرگ اطلاعات، ذخيره شده است. داده کاوی بطور همزمان از چندين رشته علمی بهره مي برد نظير: تکنولوژی پايگاه داده، هوش مصنوعی، يادگيری ماشين، شبکه های عصبی، آمار، شناسايی الگو، سيستم های مبتنی بر دانش، حصول دانش، بازيابی اطلاعات، محاسبات سرعت بالا و بازنمايی بصری داده . داده کاوی در اواخر دهه 1980 پديدار گشته، در دهه 1990 گامهای بلندی در اين شاخه از علم برداشته شده و انتظار می رود در اين قرن به رشد و پيشرفت خود ادامه دهد .

واژه های «داده کاوی» و «کشف دانش در پایگاه داده» اغلب به صورت مترادف یکدیگر مورد استفاده قرار می گیرند. کشف دانش به عنوان يک فرآيند در شکل1 نشان داده شده است.

فهرست مطالب

1- مقدمه. 1

1-1- چه چيزی سبب پيدايش داده کاوی شده است؟. 3

1-2-مراحل کشف دانش.... 5

1-3-جایگاه داده کاوی در میان علوم مختلف... 8

1-4- داده کاوی چه کارهایی نمی تواند انجام دهد؟. 9

1-5- داده کاوی و انبار داده ها 9

1-6- داده کاوی و OLAP. 10

1-7 - کاربرد یادگیری ماشین و آمار در داده کاوی.. 11

2- توصیف داده ها در داده کاوی.. 12

2-1- خلاصه سازی و به تصویر در آوردن داده ها12

2-2- خوشه بندی 12

2-3- تحلیل لینک... 13

3- مدل های پیش بینی داده ها13

3-1- Classification. 13

3-2- Regression. 13

3-3- Time series. 14

4- مدل ها و الگوریتم های داده کاوی.. 14

4-1- شبکه های عصبی 14

4-2-Decision trees. 17

4-3-Multivariate Adaptive Regression Splines(MARS)19

4-4Rule induction -20

4-5K-nearest neibour and memory-based reansoning(MBR) -20

4-6- رگرسیون منطقی.. 21

4-7-تحلیل تفکیکی 22

4-8- مدل افزودنی کلی (GAM)23

4-9Boosting -23

5- سلسله مراتب انتخابها23

منابع.. 25

فهرست شکل ها

شکل1: داده کاوی به عنوان يک مرحله از فرآيند کشف دانش.... 2

شکل2: سير تکاملی صنعت پايگاه داده. 4

شکل3: معماری يک نمونه سيستم داده کاوی.. 6

شکل 4 : داده ها از انباره داه ها استخراج می گردند. 10

شکل 5 : داده ها از چند پایگاه داده استخراج شده اند. 10

شکل 6: شبکه عصبی با یک لایه نهان.. 15

شکل7:Wx,y وزن یال بین X و Y است.16

شکل 8: درخت تصمیم گیری.. 18

شکل 9: محدوده همسایگی (بیستر همسایه ها در دسته X قرار گرفته اند)21