ارتباط با ما
info@bertkelly.org
با ما تماس بگیرید
0086-21-58386256
info@bertkelly.org
0086-21-58386256
در داده کاوی الگوریتمهای زیادی وجود دارد که دیتای بزرگی را تحلیل کرده و الگوی معناداری از آن‌ها استخراج می‌کند. برخی از پرکاربردترین‌های آن را اینجا معرفی می‌کنیم.
در حوزه «یادگیری ماشین» (Machine Learning)، تکنیک و روش «دسته بند بیز ساده» (Naive Bayes Classifiers) با بکارگیری قضیه بیز و فرض استقلال بین متغیرها، به عنوان عضوی از خانواده «دسته‌بندهای برمبنای احتمال» (Probabilistic Classifiers) قرار می‌گیرد ...
2,552. داده کاوی یا Data Mining کاوش و تجزیه و تحلیل داده‌های بزرگ برای کشف الگوها و قوانین معنی‌دار در میان حجم زیادی از داده‌ها است. در این نوشتار به معرفی و کاربرد استفاده از این رشته جدید که در ...
الگوریتم S-ACO دارای ۴ گام است که عبارتند از: در این مطلب، بخش اول الگوریتم که "حرکت مورچه از سمت لانه به سمت غذا برای پیدا کردن مسیر" را بررسی می کنیم. در الگوریتم S-ACO مورچه ها دو نوع رفتار حرکتی ...
خوشه بندی : یکی از روش های داده کاوی تکنیک تحلیل خوشه‌ای (Cluster Analysis) می باشد که در آن به گروه بندی داده ها یا مشاهدات با توجه به شباهت یا درجه ی نزدیکی آن ها می پردازیم . همبستگی : یکی از روش های ...
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 ...
الگوریتم اپریوری (Apriori) به همراه کد پیاده‌سازی در پایتون — کاوش قواعد وابستگی در داده‌کاوی ... او در زمینه هوش مصنوعی و داده‌کاوی، به ویژه تحلیل شبکه‌های اجتماعی، فعالیت می‌کند.
با رشد و افزایش توجهات به داده‌کاوی، پرسش «چرا داده‌کاوی؟» همواره مطرح می‌شود. در پاسخ به این پرسش باید گفت، داده‌کاوی دارای کاربردهای زیادی است. بدین ترتیب، زمینه‌ای جوان و آینده‌دار برای نسل کنونی محسوب می‌شود. این زمینه توانسته توجهات زیادی را به صنایع و جوامع اطلاعاتی جلب کند. با وجود گستره وسیع داده‌ها، نیاز حتمی به تبدیل چنین داده‌هایی به اطل... See more
در الگوریتم فازی knn از توابع فاصله استفاده شده و برچسب‌های نرم نیز براساس همسایه‌ها تعیین می‌شوند. ... از علاقمندی‌های او، یادگیری ماشین، خوشه‌بندی و داده‌کاوی است و در حال حاضر نوشتارهای ...
داده کاوی فرآیندی است که در پی آن به دنبال یافتن الگوهای پنهان موجود در داده‌ها هستیم. داده کاوی به ما کمک می‌کند تا به پرسش‌هایی پاسخ دهیم که حاصل از شناسایی الگوهای آماری داده‌ها هستند.
در کنفرانس بین المللی داده کاوی تلاشی صورت گرفت تا الگوریتم های داده کاوی مطرح وپرقدرتی که مورد استفاده قرار میگیرند شناسایی شوند. و در مرحله بعد از یک سری کسانی که جایزه ieee را در تحقیقات و نوآوری کسب کرده بودند دعوت شد ...
استخراج داده ها: هنگامی که داده ها آماده شدند، یک دانشمند داده تکنیک داده کاوی مناسب را انتخاب می کند و سپس یک یا چند الگوریتم را برای انجام استخراج پیاده سازی می کند. در برنامه‌های یادگیری ...
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 ...
«k-نزدیک‌ترین همسایگی» (k-Nearest Neighbors) یک روش ناپارامتری است که در داده‌کاوی، یادگیری ماشین و تشخیص الگو مورد استفاده قرار می‌گیرد. بر اساس آمارهای ارائه شده در وب‌سایت kdnuggets الگوریتم k-نزدیک‌ترین همسایگی یکی از ده ...
یادگیری الگوریتم های داده کاوی تحت نظارت میتوانند آنچه را که در گذشته آموخته شده است به منظور پیشبینی رویدادهای آینده با استفاده از مثالهای برچسب گذاری شده برای داده های جدید اعمال کنند.
الگوریتمهای زیادی برای انجام این نگاشت قابل استفاده هستند. ... برای آگاهی از دیگر آموزش‌های موجود برای حوزه داده‌کاوی و یادگیری ماشین، مراجعه به لینک زیر به شما پیشنهاد می‌شود:
داده‌کاوی از چهار مرحله اصلی، تعیین اهداف، جمع آوری و آماده سازی داده‌ها، استفاده از الگوریتمهای داده‌کاوی و ارزیابی نتایج تشکیل شده است. 1. مشخص کردن اهداف سازمان
دوره آموزش داده کاوی برای تمامی افرادی که به مفاهیم علم داده، تحلیل داده، متن کاوی، یادگیری ماشین، هوش مصنوعی و غیره علاقه‌مند هستند، مناسب است.
داده کاوی یا Data Mining کاوش و تجزیه و تحلیل داده‌های بزرگ برای کشف الگوها و قوانین معنی‌دار در میان حجم زیادی از داده‌ها است. در این نوشتار به معرفی و کاربرد استفاده از این رشته جدید که در حوزه ...
درخت تصمیم یا Decision Tree. یکی از پرکاربردترین الگوریتمهای داده‌کاوی، الگوریتم درخت تصمیم است. در داده‌کاوی، درخت تصمیم یک مدل پیشبینی کننده است به طوری که می‌تواند برای هر دو مدل ...
دوره آموزش داده کاوی مکتب خونه، در ٢٤ جلسه در قالب محتوای ویدیویی از کلاس دانشگاه اصفهان گردآوری‌شده است. این دوره آموزشی در ٢٥ ساعت به کاربران ارائه می‌شود و در آن مفاهیم داده کاوی پوشش ...
الگوریتم داده کاوی لیفت. در یادگیری قاعده انجمنی در داده کاوی ، Lift معیار عملکرد برای هدف قرار دادن مدل (قاعده انجمنی) و در پیشبینی یا طبقه‌بندی موارد برای بدست آوردن پاسخ درست، افزایش یافته ...
یکی از محبوب‌ترین و در عین حال ساده‌ترین الگوریتمهای درخت‌های تصمیم، درخت تصمیمِ CART است که کاربردهای زیادی در طبقه‌بندی و رگرسیون دارد. CART که خود مخفف Classification and Regression Tree است بر اساس درخت های دودویی (باینری) بنا ...
دوره آموزش داده کاوی (Data Mining) به زبان ساده ، شما را با مبانی ، فنون و الگوریتم های مختلف داده کاوی و یادگیری ماشین آشنا می کند. امروزه بسیاری از شرکت‌ها و موسسات با حجم زیادی از داده های خام روبه رو هستند، فنون داده‌کاوی ...
این الگوریتم یکی از پرکاربردترین الگوریتم های داده کاوی برای کاوش در داده‌ها و کشف دانش است. این الگوریتم، داده‌ها را به مجموعه‌های مشخص تقسیم می‌کند و هر مجموعه شامل چندین زیر مجموعه از ...
در این مطلب، الگوریتم تحلیل مولفه اساسی (PCA) به صورت جامع تشریح و همچنین، پیاده‌سازی آن با کد کامل پایتون و سپس با کتابخانه Scikit-learn انجام شده است. ... او در زمینه هوش مصنوعی و داده‌کاوی، به ویژه ...
اگر می‌خواهید با مبحث داده کاوی آشنا شوید، با پاورپوینت الگوریتم های داده کاوی همراه شوید. داده‌کاوی علمی است که با استفاده از روش‌ها و شیوه‌های خاص از داده‌های خام، اطلاعاتی استخراج می‌شود که منجر به پیشبینی و ...
فیلم مجموعه آموزش ساختمان داده و طراحی الگوریتم – از دروس دانشگاهی تا کاربردی در فرادرس ... او در زمینه هوش مصنوعی و داده‌کاوی، به ویژه تحلیل شبکه‌های اجتماعی، فعالیت می‌کند.
در ابتدای مطلب، مقدمه‌ای درباره مفهوم داده کاوی و اهداف آن ارائه خواهیم کرد. سپس، به معرفی ۹ تکنیک داده کاوی می‌پردازیم و الگوریتمهای پرکاربرد آن‌ها و کاربرد این روش‌ها در جنبه‌های مختلف زندگی انسان را شرح می‌دهیم.
داده کاوی شاخه‌ای از علم آمار است که از الگوریتمهای پیچیده‌ای استفاده می‌کند تا در نهایت بتوان برای کسب‌و‌کارها جهت جمع‌آوری اطلاعات خاص از حجم زیاد داده‌ها و یافتن راه‌حل برای مشکلات تجاری آن‌ها استفاده کرد.
