دانلود رایگان پایان نامه داده کاوی (نگاهی بر داده کاوی و کشف قوانین وابستگی)

چکیده
هدف از این پایان نامه،تحقیق و بررسی روشهای مطرح در داده کاوی بوده .داده کاوی در واقع هر نوع استخراج دانشی است و یا میتوان گفت الگو از داده های موجود در پایگاه داده می باشد که این دانشها و الگوها ضمنی و مستتر در داده ها وجود دارند ,از داده کاوی می توان جهت امور رده بندی (Classification ) و تخمین ,پیش بینی  و خوشه بندی استفاده کرد .داده کاوی زا علومی است ک قر ۲۱ را دچار تحول کرده است و نگاه تجارت و بیزنیس را متحول کرده است . اما مانند بسیاری از علوم دیگر در ایران آنگونه که باید از آن استفاده نشده و نمی شود . . یکی از بهترین حسن های داده کاوی کشف رازهای پنهان در سیستم است که به شناخت بهتر سیستم کمک می کند .برای مثال می توان به استفاده ترکیبی از روش خوشه بندی جهت تخصیص بودجه به دسته های مختلف  از کتب اشاره کرد .

فهرست پروژه:

داده کاوی فرآیند بکارگیری یک یا چند تکنیک آموزش کامپیوتر، برای تحلیل و استخراج  داده های یک پایگاه داده می باشد.در واقع هدف داده کاوی یافتن الگوهایی در داده هاست.
دانش کسب شده از فرآیند داده کاوی بصورت مدل یا تعمیمی از داده ها نشان داده می شود.
چندین روش داده کاوی وجود دارد با این وجود همه روشها “  آموزش بر مبنای استنتاج “ را بکار می برند.
آموزش بر مبنای استنتاج، فرآیند شکل گیری تعاریف مفهوم عمومی از طریق مشاهده مثالهای خاص از مفاهیمی که آموزش داده شده اند، است.
مثال زیر نمونه ای از دانش بدست امده از طریق فرایند اموزش بر مبنای استنتاج است:
آیا تا کنون فکر کرده اید، فروشگاههای بزرگ اینترنتی در mail های خود به مشتریان از چه تبلیغاتی استفاده می کنند؟ و آیا این تبلیغات برای همه مشتریان یکسان است؟
پاسخ این است که از روی دانش کسب شده از اطلاعات خرید افراد و نتیجه گیری از این دانش، این کار را انجام می دهند.مثلا در نظر بگیرید یک قانون در پایگاه داده بصورت زیر استخراج می شود:
دقت = ۸۰%  :                  سیگار می خرند ^  نان می خرند               کسانی که شیر می خرند
از روی این قانون فروشگاه می تواند به تمام کسانی که شیر می خرند تبلیغات سیگار و انواع نان را نیز بفرستد.همچنین این قانون در چیدن قفسه های فروشگاه نیز بی تاثیر نخواهد بود.
{شیر و نان و سیگار در قفسه های کنار هم چیده شوند}

کشف دانش در پایگاه داده ۱

KDD      یا کشف دانش در پایگاه داده اصطلاحی است که مکررا بجای داده کاوی بکار می رود. از نظر تکنیکی،  KDD کاربردی از روشهای علمی داده کاوی است.
بعلاوه برای انجام داده کاوی فرایند KDD شامل :
۱-  یک روش برای تهیه داده ها و استخراج داده ها ،
۲-  تصمیم گیری درباره عملی که  پس از داده کاوی باید انجام شود ، می باشد.
آیا داده کاوی برای حل مسائل ما مناسب است؟
تصمیم گیری در مورد اینکه آیا داده کاوی را به عنوان استراتژی حل مساله بکار ببریم یا نه، یک مساله دشوار است.
اما به عنوان نقطه شروع چهار سؤال عمومی را باید در نظر بگیریم :

• آیا به وضوح می توانیم مساله را تعریف کنیم ؟
  آیا بطور بالقوه داده با معنی وجود دارد ؟
  آیا داده ها شامل “ دانش پنهان” هستند یا فقط برای هدف گزارشگری مناسبند ؟
  آیا هزینه پردازش داده (برای داده کاوی) کمتر از سود حاصل از دانش پنهان بدست آمده از پروژه داده کاوی است ؟
  یک مدل پردازش داده کاوی  ساده :

در یک دید کلی ، ما می توانیم داده کاوی را به عنوان یک فرآیند چهار مرحله ای تعریف کنیم :

• جمع آوری یک مجموعه از داده ها برای تحلیل
  ارائه این داده ها به برنامه نرم افزاری داده کاوی
  تفسیر نتایج
  بکارگیری نتایج برای مساله یا موقعیتهای جدید
  ۱٫Khowledge Discovery in DB (KDD)

عنوان پایان نامه:  نگاهی بر داده کاوی و کشف قوانین وابستگی
زبان: فارسی
حجم فایل : ۸۴۰ کیلوبایت
فرمت: doc

دانلود پایان نامه داده کاوی