مروری بر رویکردهای مختلف برای حل مشکلات داده کاوی
Publish place: The 9th National Conference on Computer Science and Engineering and Information Technology
Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 896
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CECCONF09_007
تاریخ نمایه سازی: 19 اسفند 1398
Abstract:
این مقاله به امور مهمی در تجزیه و تحلیل مقادیر وسیعی از اطلاعات و مقایسه روش هایی برای جواب دهی به آنها، اختصاص یافته است. تجزیه و تحلیل مقادیر وسیعی از اطلاعات و شناسایی اطلاعات ارزشمند، توسط ابزار داده کاوی فراهم شده است. مفهوم داده کاوی به عنوان استخراج، تجزیه و تحلیل و جمع آوری اطلاعات، ترجمه شده است. بنابر تنوع گسترده ای از الگوها و تشکل های اطلاعاتی مرتبط با اطلاعات سازمان یافته، اطلاعات واقعی همواره توسط ابزارهای یادگیری ماشینی تجزیه و تحلیل نمی شوند. برای تبدیل اطلاعات خام به اطلاعاتی که بتوانند به درستی به وسیله اصول داده کاوی کار کنند، مشکل پیش- پردازش حل شده است. روش های نزدیک ترین همسایگی k و درخت تصمیم، از جمله طبقه بندی داده کاوی و رگراسیون در حوزه های مشخص، این مشکلات را حل کرده است.
Keywords:
داده کاوی , روش نزدیک ترین همسایگی , روش نزدیک ترین همسایگی k , درخت تصمیم , طبقه بندی , رگراسیون , پیش بینی.
Authors
اسماعیل جهان گشته
دانشگاه آزاد اسلامی واحد ایرانشهر
فاطمه مزارزائی
دانشجوی دانشگاه آزاد اسلامی ایرانشهر
سحر مهدیان
دانشجوی دانشگاه آزاد اسلامی ایرانشهر