در مقاله قبل که بخش اول مقاله گذری بر ابزارهای داده کاوی بود در مورد یکی از ابزارهای داده کاوی تحت عنوان ارنج صحبت شد. در این مقاله به بررسی و توضیح بزار دیگری از ابزارهای داده کاوی می پردازیم. این ابزار داده کاوی یک زبان برنامه نویسی هست تحت عنوان R که عملا  امکان محاسبات آماری و تحلیل بر روی داده ها را در اختیار کاربران خودش قرار می دهد. این ابزار در عین حال که به شکل Open Source و غیر...

در مقالات پیشین در شش مقاله، با عنوان فرایند داده کاوی به طور کامل به تشریح این فرایند، روش آن، ملزومات، الگوریتم ها و تکنیک های آن پرداختیم و در مقالات اخیر هم که امروز اولین بخش آن را مشاهده می کنید به ذکر و توضیح ابزارهای داده کاوی می پردازیم و گذری بر آنها داریم، در این سلسله مقالات با عنوان مذکور  به  طور کلی هدف بیان اصول و روش های مطرح در طی گام های مختلف فرآیند داده کاوی، است...

کاربردهای مختلف هم می توانست استفاده شود یک فرایند Multi Dimensional یا اصلاحا چند وجهی است. که بنا بر داده ها، بنا بر ضرورت ونیازها و نوع داده ها و تمرکز و نتیجه مطلوب از فرایند داده کاوی می توانیم چیدمان های مختلفی از وجوه آن را در نظر بگیریم تا نتیجه مطلوبی از این فرایند حاصل شود. مثلا فرض کنید کل داده هایی که باید مورد کاوش قرار بگیرد و فرایند دیتا ماینینگ بر روی آنها انجام شود در چیدمان...

با توجه به مطالبی که در مقالات قبل گفته شد موضوع داده کاوی یک موضوع و فرایند بین رشته ای است که تکنیک های آماری در بخشی از آن مورد استفاده قرار می گیرد. در این فرایند تکنیک های بازشناسی الگوها به همین ترتیب ، یا تکنیک های یادگیری ماشینی که عملا فرایندهای خودکار سازی و هوشمند سازی را برای ما فراهم می کنند مورد نیاز هستند. مباحث مربوط به الگوریتم ها و طراحی آنها از جمله مباحث دیگر مورد نیاز هستند...

در ادامه  مقالات  قبل در رابطه با بحث داده کاوی در مقاله سوم به بحث کارکردهای داده کاوی رسیدیم که در انتهای مقاله به ذکر چند مورد از کاربردهای داده کاوی پرداختیم و در این مقاله در ادامه مقاله قبل به ذکر بقیه کاربردها و سایر توضیحات لازم در این خصوص می پردازیم. یکی دیگر از کاربردهای داده کاوی تحت عنوان یا خوشه بندی یا Clustring هست که عملا در نقطه مقابل Classification قرار می گیرد که طی...

در ادامه مقالات پیشین، در اینجا  به طور خلاصه به بیان یک مشی دیگر در فرایند داده کاوی می پردازیم که داده های مختلفی که از منابع مختلف تهیه و وارد شده اند طی یک مرحله بسیار مهم تحت عنوان پیش پردازش یا PreProcess یا با هم تجمیع می شوند و عملیات نرمالسازی و فشرده سازی بر روی آنها صورت می گیرد و داده های درست و منطقی از آنها استخراج شده و در اختیار گام بعدی که دیتا ماینیگ است قرار می گیرند و در اینجا...

در مقاله قبل پس از ذکر مقدمات لازم، شروع به تعریف مراحل فرایند داده کاوی کردیم و تا بخش Olap رسیدیم؛ که حال به تشریح ادامه فرایند داده کاوی می ‌پردازیم. ما برای اینکه بتوانیم بر روی حجم زیادی از داده ها پردازش و تحلیلی خاص تر را انجام دهیم، نیاز داریم که یکسری از بخش های داده ها را و اصطلاحا یکسری داده های مرتبط تر را انتخاب کنیم و یک داده متناظر و متناسب با نیاز پردازشی مان را در شرایط خاص...

در اغلب مسائل، وجود حجم زیاد داده ها، منجر به ایجاد اشکالات جدی در امر شناسایی و کشف روابط و الگوهای پنهان در این داده ها شده است. دانش داده کاوی با هدف فراهم آوردن روش هایی برای پردازش هوشمند حجم زیاد داده ها و استخراج روال ها و قوانین حاکم بر آنها، مطرح شده است. روش های داده کاوی در گستره وسیعی از کاربردهای مختلف و اصولاً در هر جا که با مسئله تجزیه و تحلیل اطلاعات مواجه هستیم، قابل استفاده می...

در ادامه مقاله قبل به الگوریتم و تکنیک های های داده کاوی می رسیم. الگوریتم های رده بندی و پیش بینی درخت های تصمیم شبکه های عصبی مصنوعیماشین های بردار پشتیبانبیز و شبکه های بیزیکا- نزدیکترین همسایگیرگرسیون الگوریتم های خوشه بندی روش های سلسله مراتبیروش های بر پایه مرکز خوشهروش های بر پایه توزیعروش های بر پایه چگالی اینها الگویتم هایی هستند که در نرم افزار به منظور خوشه بندی و گروه بندی مشتریان می...

یک فرایند مطلوب داده کاوی به شما کمک می کند تا بیشترین بهره را از داده ها، زمان، و دیگر منابع خود ببرید. در داده کاوی فرایندهای زیادی وجود دارد یکی از این فرایندهای مطلوب فرایند کریسپCRISP است. فرایند کریسپ یک فرایند خیلی معروف در پروژه های داده کاوی است که ۶ مرحله دارد. همانطور که گفته شد هر مساله داده کاوی با درک داده های کسب و کار شروع می شود و در ابتدا ماباید داده ها را درک کرده و درک خوبی از...