بخشی از پاورپوینت
اسلاید 1 :
چه چيزی سبب پيدايش داده کاوی شده است؟
lدر دسترس بودن حجم وسيعی از داده ها
lو نياز شديد به استخراج اطلاعات و دانش از اين داده ها
lتعيين استراتژی برای کسب و کار
lپايگاه دانش
lتحقيقات علمی و پزشکی
اسلاید 2 :
مراحل کشف دانش
lپاکسازی داده ها (از بين بردن نويز و ناسازگاری داده ها).
lيکپارچه سازی داده ها (چندين منبع داده ترکيب می شوند)
l انتخاب داده ها (داده های مرتبط با آناليزازپايگاه داده بازيابی می شوند).
lتبديل کردن داده ها (خلاصه سازی و همسان سازی)
lداده کاوی (فرايند اصلی استخراج الگوها )
lارزيابی الگو
lارائه دانش
اسلاید 3 :
اجزاء اصلی سيستم داده کاوی
lپايگاه داده، انباره داده يا ديگر مخازن اطلاعات
lسرويس دهنده پايگاه داده يا انباره داده
lپايگاه دانش
lموتور داده کاوی
lپيمانه ارزيابی الگو
lواسط کاربرگرافيکی
l
اسلاید 4 :
جایگاه داده کاوی در میان علوم مختلف
lکاربردهای معمول تجاری
lمدیریت و کشف فریب
lمتن کاوی
lپزشکی
lورزش
lوب کاوی
اسلاید 5 :
داده کاوی و انبار داده ها
lاستخراج داده ها از یک انبار داده
lاعمال مقدماتی مشترک با داده کاوی
اسلاید 6 :
داده کاوی و OLAP
lOLAP جزیی از ابزارهای تصمیم گیری
lهدف بررسی دلیل صحت یک فرضیه است
lداده کاوی
lهدف کشف الگوها است
lداده کاوی و OLAP می توانند همدیگر را تکمیل کنند
اسلاید 7 :
توصیف داده ها در داده کاوی
lخلاصه سازی و به تصویر در آوردن داده ها
lابزارهای تصویرسازی داده ها و گراف سازی
lتعداد زیاد پارامتر
lخوشه بندی
lتقسیم داده های موجود به چند گروه
lباید یک فرد خبره خوشه های ایجاد شده را تفسیر کند
lKohnen و K-means
lتحلیل لینک
lکشف وابستگی
lکشف ترتیب
اسلاید 8 :
مدل های پیش بینی داده ها
lClassification
lRegression
llogistic regression
lدرختهای تصميم
lشبکههای عصبی
lTime series
اسلاید 9 :
مدل ها و الگوریتم های داده کاوی
lشبکه های عصبی
lلایه ورودی
lلایه نهان
lلایه خروجی
lFeed-Forward Backpropagation
lDecision trees
lMultivariate Adaptive Regression Splines(MARS)
lRule induction
lK-nearest neibour and memory-based reansoning(MBR)
اسلاید 10 :
مدل ها و الگوریتم های داده کاوی
lمدل ها و الگوریتم های داده کاوی
lرگرسیون منطقی
lمدل افزودنی کلی (GAM)
lBoosting
l
