داده‌کاوی چیست؟. تعریف، تاریخچه، مراحل، مزایا، کاربردها. به شرکت‌ها کمک می کند تا اطلاعات قابل اعتماد را جمع‌آوری کنند. یک راه حل کارآمد و مقرون به صرفه در مقایسه با سایر برنامه‌های ...

الگوریتم‌های گوناگونی برای «تحلیل داده» (Data Analysis) موجود هستند و لذا انتخاب الگوریتم «داده‌کاوی» (Data Mining) مناسب یک مساله، برای پژوهشگران و تحلیلگران کاری دشوار است. برخی از سازمان‌ها به دلیل ...

الگوریتم های هوش مصنوعی فرا ابتکاری به طور گسترده در حوزه‌های مختلفی مانند مهندسی، تحقیق در عملیات، زمان‌بندی، داده‌کاوی و یادگیری ماشین استفاده می‌شود.

خوشه‌بندی در داده کاوی. همانطور که می‌دانید از داده‌کاوی برای کاوش در اطلاعات و کشف دانش استفاده می‌شود. برای اینکار الگوریتم‌های متعددی وجود دارد که هر یک برای هدف خاصی کاربرد دارند.

اغلب الگوریتم‌های یادگیری ماشین در داده‌کاوی با داده‌های عددی کار می‌کنند و در پیاده‌سازی و نحوه کار آن‌ها گرایش به ریاضیات محض وجود دارد. اما، «کاوش قواعد وابستگی» (association rule mining) که از آن با عنوان «کاوش قواعد ...

آمار. داده کاوی. خوشه بندی k میانگین (k-means Clustering) — به همراه کدهای R. از مهم‌ترین تکنیک‌های عملی داده‌کاوی که کاربرد زیادی در علوم مختلف دارد، می توان به «خوشه بندی k-میانگین» (K-means Clustering) اشاره ...

انتخاب الگوریتم با توجه به تنها یکی از مولفه‌ها، می‌تواند امکان بازدهی نامطلوب نتایج را افزایش داده و حتی خروجی فرآیند داده‌کاوی را بی‌معنی کند. هدف مساله: هدف اصلی مساله‌ای که قرار است حل ...

3 با انواع روش‌های خوشه بندی در داده کاوی آشنا شوید. 3.1 خوشه‌بندی سلسله‌مراتبی (Hierarchical Clustering) 3.2 خوشه‌بندی پارتیشن‌بندی (Partitioning Clustering) 3.3 خوشه‌بندی مرکز محور (Centroid–based clustering) 3.4 خوشه‌بندی ...

دسته بندی داده‌ها فرایند کشف دانش پنهان در داده های عظیم است. در فرآیند داده کاوی، ابتدا مجموعه داده‌های بزرگ مرتب می‌شوند، سپس الگوها شناسایی شده و روابطی برای انجام تجزیه و تحلیل داده‌ها و حل مشکلات ایجاد می‌شود.

خوشه بندی داده ها. خوشه بندی یا Clustering یکی از شاخه های یادگیری بدون نظارت (Unsupervised) می باشد و فرآیند خود کاری است که در طی آن، نمونه ها به دسته هایی که اعضای آن مشابه یکدیگر می با­شند تقسیم می شوند ...

مقدمه ای بر الگوریتم دسته بندی بیز ساده Naive Bayes :. الگوریتم دسته بندی بیز ساده Naive Bayes : عدم اطمینان و احتمال در پدیده ­های مختلف منجر به این شده که یادگیری ماشین در هوش مصنوعی باید با داده ­هایی کار کند که در بسیاری از موارد ...

داده کاوی از الگوریتم‌های متنوعی برای تحلیل داده‌ها استفاده می‌کند که در این مطلب قصد داریم به معرفی بهترین الگوریتم‌های داده کاوی بپردازیم.

داده‌کاوی (Data Mining) چیست؟. داده‌کاوی فرایندی است که از داده‌ها الگوها، اطلاعات مفید، و روابط پنهان در مجموعه داده‌های بزرگ استخراج می‌کند. این فرایند به تصمیم‌گیری‌های کسب و کاری کمک می ...

گروهی از شرکت‌های اروپایی در دهه 1990 برای اولین بار از فرایند کریسپ برای انجام پروژه‌های داده کاوی استفاده کردند. این فرایند دارای 6 محله اصلی است. این مراحل متوالی، از درک نیازهای اصلی کسب و ...

افراد علاقمند به داده‌کاوی و حتی افرادی که در این زمینه در حال فعالیت هستند، نیاز به آشنایی با لغات و اصطلاحات تخصصی این حوزه دارند. یکی از مباحث مهم و کاربردی در داده‌کاوی «تحلیل خوشه» (cluster analysis) است. در این مطلب ...

الگوریتم ها به عنوان مشخصاتی برای انجام محاسبات، پردازش داده ها، استدلال خودکار، تصمیم گیری خودکار و سایر وظایف استفاده می شوند. شیوه محاسبه معدل در مدرسه، یکی از نمونه های الگوریتم است. ...

داده کاوی چیست؟. داده کاوی را اگر بخواهیم به زبان ساده تعریف کنیم همان استفاده استخراج اطلاعات پنهان و یا روش‌ها و روابط نهان در حجم زیادی از داده‌ها است . Data Mining یا همان داده کاوی که ترجمه ...

آموزش کامل داده کاوی (Data Mining) و روش ها به زبان ساده با روش CRISP در SPSS. امروزه داده کاوی به عنوان پایه و مبنای تصمیم های مهم محسوب می‌شود. داده کاوی به ما کمک می‌کند که سامانه هایی را توسعه دهیم که ...

K-Means یکی از پرکاربردترین الگوریتم‌های خوشه‌بندی داده‌ها به شمار می‌رود. در K-means با تکرار اعمالی ثابت و استفاده از توابعی مانند Norm ،Mean و Argmin، می‌توان به ازای هر خوشه، مراکزی را یافت که دقت ...

الگوریتم (Algorithm)، یک روش گام به گام (Step by step method) برای حل مسئله (Problem Solving) است که در علوم کامپیوتر و برنامه‌نویسی بسیار کاربرد دارد.در این مقاله، ما سعی داریم با استفاده از زبانی ساده و مثال‌های عملی در زندگی روزمره و در ...

مقدمه. خوشه بندی یا داده کاوی، یکی از روش‌های کاوش داده در هوش تجاری و یک روش برای تجزیه و تحلیل داده‌های کلان است که در بسیاری از زمینه‌ها از جمله شناخت الگو، تجزیه و تحلیل تصویر، بازیابی ...

او در زمینه هوش مصنوعی و داده‌کاوی، به ویژه تحلیل شبکه‌های اجتماعی، فعالیت می‌کند. مطالب مرتبط. تفاوت طبقه بندی و خوشه بندی در یادگیری ماشین چیست؟ – ۳ فرق کلیدی ... الگوریتم های خوشه بندی ...

در این مطلب به مباحث «داده کاوی» (Data Mining) از صفر تا صد پرداخته شده است. با پیشرفت سریع «فناوری اطلاعات» (Information Technology)، بشر شاهد یک رشد انفجاری در تولید «داده» (Data) و ظرفیت‌های گردآوری و ذخیره‌سازی آن در دامنه‌های ...

«داده‌کاوی» (Data Mining)، علمی میان‌رشته‌ای شامل الگوریتم‌های «یادگیری ماشین» (Machine Learning)، روش‌های آماری و «سیستم‌های مدیریت پایگاه داده» (Database Management Systems) به شمار می‌آید.

در فرآیند و مراحل دسته‌بندی، نرمال سازی داده ها در خوشه بندی (Data Normalization)، یکی از اجزای مهم به شمار می‌آید. شیوه‌های مختلفی برای نرمال سازی و استاندارد سازی وجود دارد که در مرحله «آماده‌سازی ...

اما در این درس، می‌خواهیم تکه‌های این پازل را با همدیگر یاد گرفته و با به هم چسبداندنِ تکه‌های این پازل، بتوانیم الگوریتمِ خوشه‌بندیِ Gaussian Mixture Model یا همان GMM را درک کنیم. این الگوریتم خودْ ...

الگوریتم‌های خوشه‌بندی داده کاوی، داده‌ها را به طور خودکار بر اساس میزان شباهت‌شان به یکدیگر در یک دسته قرار می‌دهند.

فرایند طبقه­ بندی دارای دو فاز اموزش (Train) و آزمون (Test) است. حدود 80% از داده­ های موجود در دیتاست را به عنوان داده ­ی آموزش انتخاب کرده و 20% داده ­های باقی مانده را برای آزمون و اعتبارسنجی انتخاب ...

الگوریتم خوشه‌بندی Mean-Shift: در Mean-Shift، ابتدا یک نقطه شروع انتخاب می‌شود و به محض وجود مقدار تغییرات کافی در محلی خاص، مرکز خوشه تغییر می‌کند تا به نقطه‌ای که تابع چگالی داده‌ها در آن بیشینه ...