بخشی از پاورپوینت
اسلاید 1 :
مقدمه اي بر داده کاوي و اکتشاف دانش
اسلاید 2 :
مقدمه
امروزه با گسترش سيستم هاي پايگاهي و حجم بالاي داده ها ي ذخيره شده در اين سيستم ها ، نياز به ابزاري است تا بتوان داده هاي ذخيره شده پردازش کرد و اطلاعات حاصل از اين پردازش را در اختيار کاربران قرار داد .
با استفاده ار پرسش هاي ساده در SQL و ابزارهاي گوناگون گزارش گيري معمولي ، مي توان اطلاعاتي را در اختيار کاربران قرار داد تا بتوانند به نتيجه گيري در مورد داده ها و روابط منطقي ميان آنها بپردازند
وقتي که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمي توانند الگوهاي مفيد را در ميان حجم انبوه داده ها تشخيص دهند و يا اگر قادر به اين کار هم با شند ، هزينه عمليات از نظر نيروي انساني و مادي بسيار بالا است
اسلاید 3 :
مقدمه
از سوي ديگر کاربران معمولا فرضيه اي را مطرح مي کنند و سپس بر اساس گزارشات مشاهده شده به اثبات يا رد فرضيه مي پردازند ، در حالي که امروزه نياز به روشهايي است که اصطلاحا به کشف دانش بپردازند يعني با کمترين دخالت کاربر و به صورت خودکار الگوها و رابطه هاي منطقي را بيان نمايند .
داده کاوي يکي از مهمترين اين روشها است که به وسيله آن الگوهاي مفيد در داده ها با حداقل دخالت کاربران شناخته مي شوند و اطلاعاتي را در اختيار کاربران و تحليل گران قرار مي دهند تا براساس آنها تصميمات مهم و حياتي در سازمانها اتخاذ شوند .
اسلاید 4 :
مفاهيم پايه در داده کاوي
در داده کاوي معمولا به کشف الگوهاي مفيد از ميان داده ها اشاره مي شود . منظور از الگوي مفيد ، مدلي در داده ها است که ارتباط ميان يک زير مجموعه از داده ها را توصيف مي کند و معتبر ، ساده ، قابل فهم و جديد است .
اسلاید 5 :
تعريف داده کاوي
داده کاوي عبارت است از فرايند استخراج اطلاعات معتبر ، از پيش ناشناخته ، قابل فهم و قابل اعتماد از پايگاه داده هاي بزرگ و استفاده از آن در تصميم گيري در فعاليت هاي تجاري مهم.
اصطلاح داده کاوي به فرايند نيم خودکار تجزيه و تحليل پايگاه داده هاي بزرگ به منظور يافتن الگوهاي مفيد اطلاق مي شود
داده کاوي يعني جستجو در يک پايگاه داده ها براي يافتن الگوهايي ميان داده ها
اسلاید 6 :
تعريف داده کاوي
داده کاوي يعني استخراج دانش کلان ، قابل استناد و جديد از پايگاه داده ها ي بزرگ .
داده کاوي يعني تجزيه و تحليل مجموعه داده هاي قابل مشاهده براي يافتن روابط مطمئن بين داده ها .
اسلاید 7 :
کاربردهاي داده کاوي
خرده فروشي : از کاربردهاي کلاسيک داده کاوي است که مي توان به موارد زير اشاره کرد :
تعيين الگوهاي خريد مشتريان
تجزيه و تحليل سبد خريد بازار
پيشگويي ميزان خريد مشتريان از طريق پست(فروش الکترونيکي)
اسلاید 8 :
کاربردهاي داده کاوي
بيمه :
تجزيه و تحليل دعاوي
پيشگويي ميزان خريد بيمه نامه هاي جديد توسط مشتريان
پزشکي :
تعيين نوع رفتار با بيماران و پيشگويي ميزان موفقيت اعمال جراحي
تعيين ميزان موفقيت روشهاي درماني در برخورد با بيماريهاي سخت
اسلاید 9 :
کاربردهاي داده کاوي
بانکداري :
پيش بيني الگوهاي کلاهبرداري از طريق کارتهاي اعتباري
تشخيص مشتريان ثابت
تعيين ميزان استفاده از کارتهاي اعتباري بر اساس گروههاي اجتماعي
اسلاید 10 :
مراحل فرايند کشف دانش از پايگاه داده ها
انبارش داده ها
انتخاب داده ها
تبديل داده ها
کاوش در داده ها
تفسير نتيجه
اسلاید 11 :
انبارش داده ها
هدف از فرايند انبارش داده ها فراهم کردن يک محيط يکپارچه جهت پردازش اطلاعات است .
در اين فرايند ، اطلاعات تحليلي و موجز در دوره هاي مناسب زماني سازماندهي و ذخيره مي شود تا بتوان از آنها در فرايند هاي تصميم گيري که از ملزومات آن داده کاوي است ، استفاده شود
انبار داده ها ، مجموعه اي است موضوعي، مجتمع، متغير در زمانو پايداراز داده ها که به منظور پشتيباني از فرايند مديريت تصميم گيري مورد استفاده قرار مي گيرد
اسلاید 12 :
انتخاب داده ها
براي فرايند داده کاوي بايد داده ها ي مورد نياز انتخاب شوند
به عنوان مثال در يک پايگاه داده هاي مربوط به سيستم فروشگاهي ، اطلاعاتي در مورد خريد مشتريان ، خصوصيات آماري آنها ، تامين کنندگان ، خريد ، حسابداري و . وجود دارند .
براي تعيين نحوه چيدن قفسه ها تنها به داده ها يي در مورد خريد مشتريان و خصوصيات آماري آنها نياز است .
حتي در مواردي نياز به کاوش در تمام محتويات پايگاه نيست بلکه ممکن است به منظور کاهش هزينه عمليات ، نمونه هايي از عناصر انتخاب و کاوش شوند .
اسلاید 13 :
تبديل داده ها
هنگامي که داده هاي مورد نياز انتخاب شدند و داده ها ي مورد کاوش مشخص گرديدند ، معملا به تبديلات خاصي روي داده ها نياز است .
نوع تبديل به عمليات و تکنيک داده کاوي مورد استفاده بستگي دارد : تبديلاتي ساده همچون تبديل نوع داده اي به نوع ديگر تا تبديلات پيچيده تر همچون تعريف صفات جديد با انجام عملياتهاي رياضي و منطقي روي صفات موجود .
اسلاید 14 :
کاوش در داده ها
داده هاي تبديل شده با استفاده از تکنيکها و عملياتهاي داده کاوي مورد کاوش قرار مي گيرند تا الگوهاي مورد نظر کشف شوند .
اسلاید 15 :
تفسير نتيجه
اطلاعات استخراج شده با توجه به هدف کاربر تجزيه و تحليل و بهترين نتايج معين مي گردند .
هدف از اين مرحله تنها ارائه نتيجه (بصورت منطقي و يا نموداري) نيست ، بلکه پالايش اطلاعات ارايه شده به کاربر نيز از اهداف مهم اين مرحله است .
اسلاید 16 :
عملياتهاي داده کاوي
مدلسازي پيشگويي کننده
تقطيع پايگاه داده ها
تحليل پيوند
تشخيص انحراف
اسلاید 17 :
معیارهای انتخاب عملیات داده کاوی
تناسب با نوع داده هاي ورودي
شفافيت خروجي داده کاوي
مقاومت در مقابل اشتباه در مقادير داده ها
ميزان صحت خروجي
توانايي کار کردن با حجم بالاي داده ها
اسلاید 18 :
عملياتها و تکنيکهاي داده کاوي
مدلسازي پيشگويي کننده
رده بندي ، پيشگويي مقدار
تقطيع پايگاه داده ها
خوشه بندي آماري ، خوشه بندي
تحليل پيوند
کشف بستگي ، کشف الگوهاي متوالي ، کشف دنباله هاي زماني مشابه
تشخيص انحراف
آمار ، تجسم مدل
اسلاید 19 :
تحليل پيوند
کشف بستگي
کشف الگوهاي متوالي
کشف دنباله هاي زماني مشابه
اسلاید 20 :
پارامترهای قوانين وابستگي
درجه پشتيباني
کسري از جمعيت است که در يک قاعده ، هم مقدم و هم تالي را دارند
درجه اطمينان
در يک جمعيت مورد بررسي ، کسري از موارد است که وقتي مقدم قاعده در آنها ظاهر شده است ، تالي نيز در آنها وجود دارد
