مروری برالگوریتم های داده کاوی و عملکرد آنها

داده کاوی فرآیند بررسی و تجزیه و تحلیل حجم زیادی از داده ها توسط ابزارهای خودکار و یا نیمه خودکار است و هدف پیدا کردن الگوهای پنهان و مجموعه قوانین حاکم بر داده ها است. در واقع سیستمهای داده کاوی، این امکان را به کاربر می دهند که بتوانند انبوه داده های جمع آوری شده را توسط ابزارهای خودکار و یا نیمه خودکار تفسیر کنند و دانش نهفته و یا الگوی پنهان در پایگاه داده ها را استخراج نمایند. اگر بخواهیم برای داده کاوی مرزبندی مشخص نماییم، داده کاوی مرز مشترک سه چیز است: 1- ماشین یادگیری 2- هوش مصنوعی 3- پایگاه داده. امروزه داده کاوی به عنوان یکی از مهمترین مسائل هوش مصنوعی و پایگاه داده، محققان بسیاری را به خود جذب کرده است. در رابطه با داده کاوی الگوریتم های متعددی وجود دارد که از جمله آنها می توان به الگوریتم های CART، Naive Bayes، KNN، SVM، C4.5،Neural Network ، DBSCAN، K-MEANS، K-MEANS++،K-MEDOIDS و ... اشاره کرد. در این تحقیق ابتدا یک تعریف کلی بر داده کاوی داشته و سپس نگاهی به برخی از الگوریتم های موجود برای آن خواهیم داشت.

کلیدواژه ها:

داده کاوی ، الگوریتم K-Means ، الگوریتم K-Means++ ، الگوریتم K-Medoids ، الگوریتم KNN