مروری بر رویکردهای مختلف برای حل مشکلات داده کاوی

این مقاله به امور مهمی در تجزیه و تحلیل مقادیر وسیعی از اطلاعات و مقایسه روش هایی برای جواب دهی به آنها، اختصاص یافته است. تجزیه و تحلیل مقادیر وسیعی از اطلاعات و شناسایی اطلاعات ارزشمند، توسط ابزار داده کاوی فراهم شده است. مفهوم داده کاوی به عنوان استخراج، تجزیه و تحلیل و جمع آوری اطلاعات، ترجمه شده است. بنابر تنوع گسترده ای از الگوها و تشکل های اطلاعاتی مرتبط با اطلاعات سازمان یافته، اطلاعات واقعی همواره توسط ابزارهای یادگیری ماشینی تجزیه و تحلیل نمی شوند. برای تبدیل اطلاعات خام به اطلاعاتی که بتوانند به درستی به وسیله اصول داده کاوی کار کنند، مشکل پیش- پردازش حل شده است. روش های نزدیک ترین همسایگی k و درخت تصمیم، از جمله طبقه بندی داده کاوی و رگراسیون در حوزه های مشخص، این مشکلات را حل کرده است.

کلیدواژه ها:

داده کاوی ، روش نزدیک ترین همسایگی ، روش نزدیک ترین همسایگی k ، درخت تصمیم ، طبقه بندی ، رگراسیون ، پیش بینی.