بهبود بکارگیری ابزار های داده کاوی جهت انتشار داده ها در مسائل دسته بندی با استفاده از ابزارهای داده کاوی

یکی از مراحل اساسی در فرآیند کشف دانش در پایگاه داده ها، فاز انتشار داده ها است. برای نتیجه گیری مناسب از یک داده کاوی، این فاز از اهمیت خاصی برخوردار است چرا که اگر داده ها به طور صحیح آماده نشده باشند، نتایج تمام فاز های بعدی فرآیند به خطر می افتند. DMPML چهارچوبی است که داده های از پیش پردازش شده را برای الگوریتم های مختلف داده کاوی در یک سند XML ذخیره می کند و کد گذاری صحیح را با استفاده از یک سند XSLT مطابق با نیاز های الگوریتم داده کاوی بازیابی می نماید. این مقاله مقایسه ای بین DMPML و سه برنامه کاربردی داده کاوی (Weka، RapidMiner، KNIME) را ارائه می دهد که رویکرد گراف جهت دار را با در نظر گرفتن زمان صرف شده جهت ایجاد و اجرای وظایف انتشار داده ها برای دو الگوریتم داده کاوی بکار می گیرد. آزمایشات با استفاده از انواع مختلف مجموعه های داده ای: عددی، قطعی و ترکیبی اجرا می شوند. ما مشاهده کردیم که طرح بکار رفته توسط DMPML می تواند استفاده از الگوریتم های مختلف داده کاوی را ساده کند و به طور قابل ملاحظه ای زمان صرف شده جهت ایجاد وظایف انتشار داده ها را کاهش دهد.

کلیدواژه ها:

انتشار داده ها ، DMPML ، XML ، مقایسه ابزار ها