در این مبحث 10 الگوریتم های داده کاوی و یادگیری ماشین که بیشترین کاربرد را در علم داده دارند را به صورت خلاصه آموزش میدهیم. ... هنگامی که مجموعه داده‌ها بسیار بزرگ باشد، عملکرد خوبی ندارد، زیرا ...
مجموعه داده‌های King's County شامل اطلاعاتی در مورد قیمت مسکن و ویژگی‌های آنها است. در ادامه آموزش داده کاوی با پایتون ، نحوه بدست آوردن برآورد رابطه میان قیمت مسکن و اندازه خانه (مساحت فوت مربع ...
داده‌کاوی یک زمینه علمی دارای رشد سریع است که با عنوان کشف دانش از داده (Knowledge Discovery From Data | KDD) نیز شناخته می‌شود. در این مطلب به دلایل استفاده از داده‌کاوی و تعاریف آن (با توجه به فرآیند انجام داده‌کاوی) پرداخته می‌شود ...
داده کاوی فرآیندی است که برای استخراج داده های مهم از مجموعه بزرگتری از داده خام استفاده می شود. این به معنای تجزیه و تحلیل در دسته زیادی از اطلاعات با استفاده از یک یا چند نرم افزار است.
داده کاوی یکی از شاخه‌های کاربردی میان رشته‌ای است که با کمک روش‌های آن می‌توانید از داده‌های خام خود، اطلاعات ارزشمندی به دست آورید.
اغلب الگوریتم‌های یادگیری ماشین در داده‌کاوی با داده‌های عددی کار می‌کنند و در پیاده‌سازی و نحوه کار آنها گرایش به ریاضیات محض وجود دارد. اما، «کاوش قواعد وابستگی» (association rule mining) که از آن با عنوان «کاوش قواعد ...
داده‌کاوی (Data Mining) چیست؟ داده‌کاوی فرایندی است که از داده‌ها الگوها، اطلاعات مفید، و روابط پنهان در مجموعه داده‌های بزرگ استخراج می‌کند.
تعریف داده کاوی. تقریبا تمامی صنایع، علوم و رشته‌های مهندسی برای انجام بهتر فعالیت‌های خود مجبورند ماهیت مجموعه داده‌های بزرگ، پیچیده و غنی از اطلاعات را درک کنند.
داده کاوی یا دیتا ماینینگ Data Mining فرآیندی است که برای تبدیل داده های خام به اطلاعات مفید مورد استفاده کمپانی های نوین قرار می گیرد. امروز در داناپ قصد داریم مفهوم داده کاوی، کاربردها، فواید و چالش های آن را به طور کامل ...
داده کاوی به معنی پیدا کردن الگو حاکم بین عناصر در داخل مجموعه داده‌های بزرگ می باشد. به زبان ساده‌تر، داده کاوی فرایند استخراج داده‌های قابل استفاده از بین حجم عظیمی از داده‌های خام می ...
چنانکه پیش‌تر تشریح شد، مجموعه‌های داده از نمونه‌ها و ویژگی‌ها (خصیصه‌ها) تشکیل می‌شوند. یک شی داده نمایانگر یک موجودیت است. برای مثال، در پایگاه‌داده یک فروشگاه، مشتریان، محصولات موجود و فروش‌ها، اشیا داده هستند ...
هر خوشه در داده کاوی، مجموعه ای از نقاطی است که بیشترین ویژگی‌های مشابه را در مجموعه داده‌های ورودی (DataSet) دارند. K-means برای خوشه بندی داده‌ها استفاده شده و یکی از اصلی‌ترین الگوریتم‌های ...
داده کاوی (Data Mining) فرایندی است که به وظیفه کشف الگوها را در مجموعه داده‌های بزرگ برعهده دارد. روش داده کاوی در تقاطع یادگیری ماشین، آمار و سیستم های پایگاه داده است.
داده کاوی چیست؟ داده کاوی فرایند مرتب‌سازی مجموعه داده های بزرگ، برای شناسایی الگوها و روابطی است که تحلیل آنها می‌تواند به حل مشکلات کسب‌وکارها کمک کند.
در این نوشته به معرفی مراحلی می‌پردازیم که در زمان عدم کارکرد صحیح الگوریتم های داده کاوی و پیش از اقدام به دیباگ کردن کد باید اجرا کنید. تصور کنید یک روز عالی است و مشغول کدنویسی الگوریتمی هستید که فکر می‌کنید نتایج ...
یادگیری عمیق (Deep Learning) زیر مجموعه ای مهم از یادگیری ماشین (Machine Learning) است که هدف آن آموزش ماشین ها به کمک داده هاست. ... حتی به صورت اختصاصی توابع مهم کتابخانه‌های داده کاوی پایتون و رسم نمودار در ...
داده کاوی بخش کلیدی تجزیه و تحلیل داده به طور کلی و یکی از رشته های اصلی در علم داده است که از تکنیک های تجزیه و تحلیل پیشرفته برای یافتن اطلاعات مفید در مجموعه داده ها استفاده می کند.
مدل‌سازی داده‌ها به مجموعه داده‌های مربوطه می‌پردازد و بهترین رویکرد و تحلیل‌های آماری و ریاضی را برای پاسخگویی به سؤال‌های هدف در نظر می‌گیرد.
در این شرایط، استخراج دانش دقیق از داده‌های کلان موجود مساله اول است. اغلب رویکردهای ارائه شده در «داده‌کاوی» (Data Mining) قادر به مدیریت موفق مجموعه داده‌های بزرگ نیستند. مساله کلیدی در تحلیل ...
داده‌کاوی عبارت است از فرآیند اکتشاف الگو و روندهای منظم و پنهان در داده‌های بزرگ و توزیع شده، با استفاده از مجموعه وسیعی از الگوریتم‌های مبتنی بر علوم ریاضی و آمار.
تکنیک‌های داده‌کاوی. تکنیک‌های داده‌کاوی مختلفی وجود دارد که برای شناسایی الگوها و روابط در داده‌ها استفاده می‌شوند. برخی از رایج‌ترین این تکنیک‌ها به شرح زیر هستند. خوشه‌بندی (Clustering)
درباره‌ی weka بیشتر بدانید: معرفی نرم افزار داده کاوی Weka و کاربرد آن . Sisense; یکی دیگر از ابزارهای موثر داده کاوی است که هر دو مجموعه داده بزرگ و غیر متفاوت را فورا تجزیه و تحلیل می‌کند.
فرآیند داده‌کاوی دارای هفت گام «پاک‌سازی داده» (Data Cleaning)، «تبدیل داده» (Data Transformation)، «یکپارچه‌سازی داده» (Data Integration)، «انتخاب ویژگی» (Feature Selection)، «داده‌کاوی» (Data …
ویژگی های اصلی داده کاوی: کشف اتوماتیک الگوها; پیش بینی احتمالی نتایج و خروجی ها; ایجاد اطلاعات اجرایی و مفید; تمرکز بر روی داده های بزرگ و مجموعه پایگاه های داده
مزایای داده کاوی چیست؟ اما داده کاوی با صرف نظر از چالش‌هایی که ایجاد می‌کند، مزایایی هم دارد، اما فواید و مزیت‌های داده کاوی چیست؟ در این بخش به معرفی و بررسی تعدادی از این مزایا می‌پردازیم.
همان طور که مشاهده می‌کنید، از یک مجموعه‌ی داده (مشتری‌های بانک)، به یک سری دانش (به چه شخصی وام بدهیم به چه شخصی وام ندهیم) رسیدیم. علم داده‌کاوی، بسیار گسترده تر از بحثِ مثالِ اینجاست.
ما تمام جنبه‌های داده‌کاوی، از جمله معنای آن، مراحل آن، تکنیک‌های داده‌کاوی، مزایایی که به همراه دارد، ابزارهای مورد نیاز برای داده‌کاوی و موارد دیگر را بررسی خواهیم کرد.
آیا همپوشانی بین داده‌کاوی و علم داده وجود دارد؟ داده‌کاوی و علم داده هر دو از واژگان باب روز در قرن ۲۱ هستند. به همین دلیل است که اغلب افراد تمایل دارند تعاریف و تفاوت‌های آنها را بدانند.
