منیره حسینی - استادیارگروه فناوری اطلاعات ، دانشگاه صنعتی خواجه نصیرالدین طوسی ، دانشکده صنایع، ایران
الناز نصیرزاده - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات ، دانشگاه صنعتی خواجه نصیرالدین طوسی ، دانشکده صنایع، ایران

امروزه فناوری اطلاعات باعث تولید کامپیوترهای قدرتمند بسیاری شده است که امکان جمعآوری، انتقال، ترکیب و ذخیره حجم زیادی از دادهها را با هزینه کم، عملی ساخته است. افزایش حجم پایگاه دادهها، سازمانها را به سمت استخراج اطلاعات از دادههایذخیره شده رهنمون میسازد. اما دادههای موجود در پایگاه داده به تنهایی نمیتوانند همانند گنجینهای ارزشمند جهت استخراج اطلاعات نهفته مورد استفاده قرار گیرند. در بسیاری از موارد انسانها نیز قادر به تشخیص و استخراج اطلاعات نهفته در حجمعظیمی از دادهها نمیباشند، بنابراین نیازمند یاری گرفتن از الگوریتمهای یادگیری از پایگاه داده هستند. لذا در این مقاله، تعدادیاز مهمترین و پرکاربردترین روشهای یادگیری با استفاده از پایگاه داده، هم در حوزه یادگیری نظارتی نظیر دستهبندی توسط الگوریتمهای شبکههای عصبی مصنوعی، درخت تصمیم، شبکه بیزین و هم در حوزه یادگیری غیر نظارتی نظیر خوشهبندی سلسلهمراتبی، مدلهای مخلوط گاوسین و خوشه بندی طیفی ارائه میگردند و با بررسی مزایا و معایب هریک از آنها و مقایسه الگوریتمهاییادگیری با یکدیگر، راهکارهایی جهت انتخاب بهینهترین روش استخراج اطلاعات، متناسب با پایگاه داده ارائه میگردد.

یادگیری، پایگاه داده، دستهبندی، خوشهبندی