بررسی کارکرد مدل ها و الگوریتم های اثر گذار در داده کاوی

داده کاوی تلاش برای استخراج دانش از انبوه داده های موجود است. داده کاوی به کمک مجموعه ای از روشهای آماری و مدل سازی، می تواند الگوها و روابط پنهان موجود در پایگاه های داده را تشخیص دهد. تاکنون ابزارها و روشهای مختلف برای پردازش اطلاعات ساخت یافته توسعه داده شده است که در نتیجه آنها ساخت پایگاههای اطلاعاتی و ایجاد انبارهای داده به سادگی صورت می گیرد. امروزه سازمان ها قادرهستند با هزینه کم اطلاعات وسیعی از وضعیت کسب و کار خود جمع آوری و نگهداری کنند و این موجب شده است که استفاده از روشهای داده کاوی، ارزش قابل توجهی را برای سازمان، به دست آورد. رویکردهای موجود به مساله داده کاوی متنوع است.در این درس نگاهی به آخرین دستاوردهای این زمینه علمی، انداخته شد. این تحقیق از نظر هدف کاربردی و از لحاظ ماهیت و روش، توصیفی-تحلیلی است که داده های آن به صورت مطالعات اسنادی و کتابخانه ای جمع آوری و تحلیل شده است. با عنایت به اینکه در این پژوهش به دنبال بررسی کارکرد مدل ها و الگوریتم های اثر گذار در داده کاوی می باشیم لذا بررسی منابع مختلف در حوزه داده کاوی مشخص نمود که از جمله مدل ها و الگوریتم های اثر گذار در این زمینه: شبکه های عصبی، درخت های تصمیم، الگوریتم MARS ، الگوریتم Rule induction ، مدل دسته بندی K-NN، مدل تحلیل تفکیکی، مدل رگرسیون منطقی، مدل افزودنی کلی(GAM)، مدل Boosting می باشندکه بابررسی آنها در منابع مختلف تمامی مدل ها و الگوریتم ها بررسی و تجزیه تحلیل شد.

کلیدواژه ها:

داده کاوی ، پایگاه داده ، درخت تصمیم ، شبکه عصبی ، الگوریتم