داده کاوی و الگوریتم های داده کاوی

تعداد صفحات : 40 با فرمت ورد و قابل ویرایش

عموماً data mining  )که برخي مواقع بازيافت داده يا دانش گفته مي شود) فرايندي ازآناليز داده از ديدهاي مختلف وسپس خلاصه کردن آنها به صورت اطلاعات مفيد مي باشد . اطلاعات بدست آمده براي بالا بردن بازده، کاهش قيمت يا هردوبه کار مي رود. نرم افزارdata mining يکي از ابزارهاي متعدد آناليز براي آناليز کردن داده مي باشد و به کاربراجازه مي دهد که داده را از زوايا يا ديمانسيونهاي مختلفي آناليز کند. سپس آنها را دسته بندي کند و نهايتاً ارتباطات شناخته شده را خلاصه وجمع بندي کند. از لحاظ تکنيکي، data mining فرايندي ازجستجوي همبستگي يا طرح بين مجموعه بسيارزيادي ازفيلدها درپايگاه داده هاي رابطه اي بزرگ مي باشد .Data Mining درگير به کارگيري ابزارهاي آناليز داده براي يافتن و نمايش ناشناخته هاي قبلي، ارتباطات و طرحهاي معتبر در مجموعه داده اي بزرگ مي باشد.

Data Mining در بخشهاي عمومي و خصوصي به صورت رايج به کار برده مي شود. صنايعي نظير دارو ، اقتصاد،بانک و ... از Data Mining براي کاهش هزينه ها، بالابردن کيفيت و بالا بردن فروش استفاده مي کنند. در بخش عمومي، نيز در وهله اول به عنوان ارزيابي زيان و ضرر و منفعت به کار برده مي شود.

براي مثال يک سبزي فروشي زنجيره اي ازخاصيت data mining درنرم افزار اوراکل براي آناليز طرحهاي خريد محلي استفاده نمود. آنها به اين واقعيت پي بردند که زماني که افراد درروزهاي شنبه و سه شنبه سيب زميني مي خرند،تمايل به خريد پياز هم دارند. آناليزهاي بعدي نشان داد که خريداران معمولاً خريد هفتگي خودرا در روزهاي شنبه انجام مي دهند و در روزهاي سه شنبه تنها مقدار کمي خريد مي کنند.
از ديد برخي متخصصين ، Data Mining به عنوان يک گام در يک فرايند شناخت بزرگتر با نام Knowledge discovery database (KDD) مطرح مي شود.

مي توان در يک دسته بندي کلي گامها در فرايند KDD ، به ترتيب پيشرفت ،را به صورت زير برشمرد :

1.    Data Cleaninig
2.    Data Integration
3.    Data Selection
4.    Data Transformation
5.    Data Mining
6.    Pattern Evaluation
7.    Knowledge Presentation