مرور کلی بر رویکردهای مختلف حل مشکلات داده کاوی

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 569

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SMARTCITYC01_035

تاریخ نمایه سازی: 11 اسفند 1398

چکیده مقاله:

این مقاله به مشکلات اصلی در تجزیه و تحلیل مقادیر زیاد اطلاعات و مقایسه روش های راه حل آنها اختصاص یافته است. تجزیه و تحلیل حجم زیادی از اطلاعات و شناسایی دانش ارزشمند توسط ابزارداده کاوی انجام شد. مفهوم داده کاوی به عنوان داده کاوی، تجزیه و تحلیل داده ها وجمع آوری داده ها ترجمه می شود. با توجه به انواع مختلفی از انواع داده ها و اشکال سازماندهی اطلاعات، اطلاعات واقعی ممکن است همیشه از طریق ابزار یادگیری ماشینی تحلیل نگردد. تکنیک های داده کاوی برای تبدیل داده های خام به داده ها، می توانند بطور کارآمد مشکل پیش پردازش را حل کنند. روش های نزدیکترین همسایه k و درخت تصمیم این مسائل را بعنوان طبقه بندی داده کاوی و رگرسیون در حوزه های مشخص شده حل می کنند

کلیدواژه ها:

داده کاوی ، نزدیک ترین روش همسایه ، روش نزدیک ترین همسایه k ، درخت تصمیم ، طبقه بندی ، رگرسیون ، پیش بینی.

نویسندگان

فاطمه زینلی

دانشجوی ارشد موسسه آموزش عالی آپادانا شیراز

فاطمه زاهدی

پژوهشگردکتری، مهندسی کامپیوتر، , دانشکده فنی و مهندسی،دانشگاه آزاد اسلامی میبد،میبد،ایران