شناسایی داده های برون هشته

هدف اصلی علم داده کاوی استخراج دانش مفید از مجموعه عظیم داده هاست. کشف داده های برون هشته شاخه ای از داده کاوی است که توجه زیادی از جامعه داده کاوی را معطوف خود کرده است. بسیاری از روش هایی که در ابتدا برای کشف داده های برون هشته استفاده می شده مبتنی بر علم آمار بودند. کشف، حذف و تشخیص داده های برون هشته یا داده های پرت در علم داده کاوی زمانی مورد توجه بیشتر قرار می گیرد که پیدا کردن خطا در یک پایگاه داده بزرگ تأثیر زیادی در نتیجه گیری آن داشته باشد. از جمله این خطاها می توان به تشخیص تقلب در کارت های اعتباری، کشف رفتارهای جنایی، کشف نفوذهای کامپیوتری و ... اشاره کرد. بنابر این یکی از ویژگی های مهم یک الگوریتم داده کاوی باید توانایی آن در پیدا کردن داده های برون هشته باشد. در این مقاله هدف، معرفی دقیق تری از داده های برون هشته و بررسی برخی از روش ها و الگوریتم های استفاده شده در کشف آن است. یکی از رایج ترین روش ها، روش مبتنی بر فاصله است که بر مبنای خوشه بندی، داده ها را بر اساس شباهت، گروه بندی می کند بطوریکه داده های برون هشته از نویزها بطور غیر مستقیم کشف می شوند.

Keywords:

داده های برون هشته , داده کاوی , روش مبتنی بر عمق , روش مبتنی بر فاصله , روش مبتنی بر چگالی