درجه ی همگرایی روش های تشخیص داده های دورافتاده در داده کاوی

تشخیص داده های دور افتاده یا تشخیص ناهنجاری داده در پایگاه های داده بزرگ که به دلایل مختلف از جمله خطاهای مکانیکی،تغییر در رفتار سیستم، رفتار جعلی، خطاهای انسانی و ... بوجود می آیند به علت تاثیر مستقیم و گاه مخرب آن بر مدلسازی صورت گرفته توسط ابزارهای داده کاوی از اهمیت بسیاری برخوردار است. روش های متفاوتی برای تشخیص داده های دور افتاده و آنومالی در داده ها وجود دارد که هریک با الگوریتمی متفاوت به یافتن داده های دورافتاده در یک دیتاست می پردازند. در این مقاله، میزان همگرایی چند روش تشخیص آنومالی با ملاک قرار دادن روش خوشه بندی K-Means از نظر توانایی آن ها در یافتن تعداد بیشتری داده ی دورافتاده در بستر نرم افزار داده کاوی RapidMiner آزمایش و با یکدیگر مقایسه شده است

کلیدواژه ها:

الگوریتم های خوشه بندی ، تشخیص آنومالی ، تشخیص داده های دورافتاده ، داده کاوی