شناسایی داده های پرت در مجموعه های داده با استفاده از خوشه بندی فازی

داده کاوی روشی معتبر، جدید و مفید جهت شناسایی الگوهای قابل درک میباشد و در حال تبدیل شدن به یک ابزار مهم جهت تبدیل داده به دانش است. اگر نمونه ها نماینده خوبی از بدنه بزرگ داده نباشند، این فرایند شکست خواهد خورد. یکی از دلایل اصلی استفاده از داده کاوی تجزیه و تحلیل موثر و کارآمد مجموعه ای از مشاهدات مختلف با توجه به رفتار آنها میباشد. تشخیص داده پرت یک مفهوم بسیار مهم از داده کاوی است که به عنوان پرت کاوی اشاره شده و به مشکل پیدا کردن الگوها در مجموعه داده های بزرگ که مطابق با رفتار مورد انتظار نمی باشند، اشاره دارد. اغلب این الگوهای غیر عادی به عنوان نقاط دورافتاده، ناهنجاری، استثنا، تعجب و گسل نامیده میشوند. مشکلات بسیاری برای تعریف رفتار طبیعی یا ناحیه طبیعی به عنوان نقاط دور افتاده برجسته تر وجود دارند. عدم تشخیص داده پرت تاثیر زیادی درخصوصیات آماری کلی خواهد داشت و حتی ممکن است به نتیجه گیری نادرست منجر شود. از این رو در این تحقیق به بررسی این موضوع خواهیم پرداخت. در این تحقیق، ما از خوشه بندی فازی برای تشخیص داده های پرت استفاده می کنیم. در خوشه بندی کلاسیک هر نمونه ورودی متعلق به یک و فقط یک خوشه میباشد و نمیتواند عضو دو خوشه و یا بیشتر باشد. تفاوت اصلی خوشه بندی کلاسیک و خوشه بندی فازی در این است که یک نمونه میتواند متعلق به بیش از یک خوشه باشد. به منظور ارزیابی روش پیشنهادی، ما عملکرد آن را بر روی دیتابیس Iris مورد ارزیابی قرار دادیم.

کلیدواژه ها:

داده پرت ، خوشه بندی ، منطق فازی