-
- دوشنبه تا شنبه: 10:00 - 16:00 / یکشنبه تعطیل است
از معایب آن عدم استواری و دقت ناکافی است. مقدمه. یادگیری درخت تصمیم روشی است که به‌طور معمول در داده کاوی از آن استفاده می‌شود. هدف این مدل این است که بتواند مقدار یک متغیر هدف را براساس ...
به خواندن ادامه دهید
از جمله مهم ترین اقداماتی که به منظور پیشگیری از نفوذ صورت می پذیرد، می توان به احراز هویت کاربر، اجتناب از اشتباهات برنامه نویسی و حفاظت از اطلاعات اشاره کرد. جالب است بدانید که داده کاوی نقش ...
به خواندن ادامه دهید
داده کاوی از طریق تجزیه و تحلیل داده ها، تصمیم گیری سازمانی رو بهبود می‌ده. تکنیک های داده کاوی که زیربنای این تحلیل ها هستن رو می‌شه به دو هدف اصلی تقسیم کرد. ... آشنایی با مزایا و معایب داده ...
به خواندن ادامه دهید
داده کاوی (به انگلیسی: Data Mining )، به مفهوم استخراج اطلاعات نهان یا الگوها و روابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ گفته می‌شود. بسیاری از مردم داده کاوی را مترادف ...
به خواندن ادامه دهید
معایب استفاده از داده کاوی در شرکت ها حجم اطلاعات: با توجه به حجم قابل توجه داده ها که احتمالا در حوزه های مختلف با آن مواجه باشید، موضوع داده کاوی با پیچیدگی زیادی همراه خواهد بود.
به خواندن ادامه دهید
فیلم آموزش معرفی برخی از ابزارهای داده کاوی (رایگان) در فرادرس کلیک کنید . روش Holdout. در این روش به طور تصادفی، داده‌ها به دو بخش آموزشی و اعتبارسنجی تقسیم می‌شود. ... معایب روش اعتبارسنجی متقابل ...
به خواندن ادامه دهید
داده کاوی در سال 1930 با هدف پیدا کردن اطلاعات مفید از میان حجم عظیمی از داده های با حجم بزرگ یا کلان داده، معرفی شد. از این داده ها برای پیش بینی وظایف کسب و کارها و سازمان های مختلف استفاده می شود.
به خواندن ادامه دهید
ما در این مقاله تمام جنبه‌های Data Mining، از جمله معنا، مراحل، تکنیک‌ها، مزایا و ابزارهای آن را به طور خلاصه بررسی می‌کنیم.آنچه در این مقاله مورد گفته شده، توضیحات کامل و جامعی از داده کاوی است ...
به خواندن ادامه دهید
در داده‌کاوی هنگامی که از اصطلاح طبقه بندی استفاده می‌شود منظور همان طبقه بندی بصورت با سرپرست می‌باشد و ...
به خواندن ادامه دهید
یکی از بهترین الگوریتمهای دداده کاوی در در حل مسائل پیچیده، الگوریتم شبکه‌های عصبی ( N eural N etwork) است که علاوه بر داده کاوی در حوزه هایی مانند یادگیری ماشین و یادگیری عمیق نیز بسیار مورد بحث ...
به خواندن ادامه دهید
یکی از روش های داده کاوی، یادگیری با ناظر است. ... معایب داده کاوی: داده کاوی با وجود مزایای بیشماری که برای کسب و کارها و کاربرانشان به همراه داشته نکات منفی و معایبی نیز با خود به ارمغان اورده ...
به خواندن ادامه دهید
داده کاوی (Data Mining) چیست؟. داده کاوی فرایند مرتب‌سازی در مجموعه داده های بزرگ به منظور شناسایی الگوها و روابطی است که می‌تواند به حل مشکلات تجاری از طریق تجزیه و تحلیل داده ها کمک کند. تکنیک ...
به خواندن ادامه دهید
خوشه بندی k-means. خوشه بندی k-means : الگوریتم k-means یکی از ساده‌ترین و محبوب‌ترین الگوریتمهای خوشه بندی است که در داده‌کاوی بخصوص در حوزه ی یادگیری نظارت نشده به کار می‌رود. معمولا در حالت چند متغیره، باید از ویژگی‌های ...
به خواندن ادامه دهید
3کتابخانه‌های ضروری برای داده کاوی با پایتون. 3.11- کتابخانه Numpy. 3.22- کتابخانه Scipy. 3.33- کتابخانه Matplotlib. 3.44- کتابخانه Pandas. 3.55- کتابخانه Gensim. 4فراخوانی کتابخانه در پایتون. 4.1چرا پایتون برای داده‌کاوی ...
به خواندن ادامه دهید
از مزیت‌های آن میتوان به وجود آموزش‌های زیاد اشاره کرد اما معایب آن شامل تجاری بودن، عدم یکپارچگی با سایر نرم افزارهای داده کاوی و سختی کار با داده‌های بزرگ است.
به خواندن ادامه دهید
مرحله چهارم از مراحل پیاده سازی داده کاوی با پایتون، کشف الگوهای مکرر و قواعد انجمنی است. هدف از قواعد انجمنی، یافتن مواردی می باشد که به صورت معناداری با هم همبستگی دارند. به عنوان مثال می ...
به خواندن ادامه دهید
داده کاوی چیست. در این مقاله سعی خواهیم کرد داده کاوی و کاربرد های آنرا به بیان ساده برای شما عزیزان بنویسیم. روند حفاری از طریق داده ها برای کشف اتصالات پنهان و پیش بینی روند آینده، تاریخچه ...
به خواندن ادامه دهید
درباره‌ی weka بیشتر بدانید: معرفی نرم افزار داده کاوی Weka و کاربرد آن . Sisense; یکی دیگر از ابزارهای موثر داده کاوی است که هر دو مجموعه داده بزرگ و غیر متفاوت را فورا تجزیه و تحلیل می‌کند.
به خواندن ادامه دهید
در این مطلب از مجله فرادرس، یاد می‌گیریم نرمال سازی داده چیست و با کاربرد آن در یادگیری ماشین آشنا می‌شویم. ۱۲ اردیبهشت ۱۴۰۳. . امیر حسین فقهی. ادامه مطلب. داده کاوی. داده پرت چیست و چطور آن را ...
به خواندن ادامه دهید
داده کاوی (Data Mining) علم استخراج الگوها، اطلاعات و تحلیل از مجموعه داده‌های خامی است که در یک سازمان و یا یک جامعه یا هر مجموعه دیگری تولید شده است. سالیان پیش که حجم داده‌های تولیدی بسیار ...
به خواندن ادامه دهید
داده کاوی چیست؟. (Data Mining) داده کاوی فرآیند تجزیه و تحلیل حجم عظیمی از داده‌ها برای کشف هوش تجاری سازمان است. این فرآیند به شرکت‌ها در حل مشکلات، کاهش خطرات و استفاده از فرصت‌های جدید کمک می ...
به خواندن ادامه دهید
داده کاوی (Data mining) فرایند تجزیه و تحلیل حجم عظیمی از داده ها برای کشف هوش تجاری است. داده کاوی به سازمان ها در حل مشکلات، کاهش خطرات و استفاده از فرصت های جدید کمک می کند.
به خواندن ادامه دهید
معایب استفاده از الگوریتم درخت تصمیم در داده کاوی ۱. یک تغییر جزئی در اطلاعات می‌تواند منجر به تغییرات زیادی در پیکربندی درخت تصمیم شود.
به خواندن ادامه دهید
داده کاوی یا دیتا ماینینگ در واقع علمی میان رشته ای است که علوم کامپیوتر، هوش مصنوعی، یادگیری ماشین، ریاضی و آمار را دربر می گیرد. با ساخت فرآیند داده کاوی، می توان دیتاهای حجیم و پیچیده سازمان ها و مؤسسات تحقیقاتی را ...
به خواندن ادامه دهید
درخت تصمیم چیست؟ در ادامه معرفی الگوریتمهای ضروری یادگیری ماشین، به بررسی مفاهیم پایه درخت تصمیم می پردازیم که یکی از الگوریتم‌ها و روش‌های محبوب در حوزه طبقه‌بندی یا دسته‌بندی داده‌ها، است و در این مقاله سعی شده ...
به خواندن ادامه دهید
طبقه‌بندی (Classification) یکی از زیرشاخه های اصلی داده‌کاوی و یادگیری ماشین است. با استفاده از طبقه‌بندی میتوان به صورت هوشمند، اشیا مختلف را در یک تصویر شناسایی کرد، مشتریان ناراضی را قبل از خروج از یک شرکت شناسایی و ترمیم ...
به خواندن ادامه دهید
مزایا و معایب 8 معیار فاصله در داده کاوی و یادگیری ماشین. دسته: اخبار علمی. محمد نوری زاده چرلو. 02 اسفند 1399. بسیاری از الگوریتمهای نظارت شده و غیرنظارتی، از معیارهای فاصله در پروسه یادگیری ...
به خواندن ادامه دهید
روش‌های انتخاب ویژگی (Feature Selection Methods) به منظور مواجهه با داده‌های ابعاد بالا، به مولفه‌ای جدایی ناپذیر از فرآیند یادگیری مبدل شده‌اند. یک انتخاب ویژگی صحیح می‌تواند منجر به بهبود یادگیرنده استقرایی از جهت‌های ...
به خواندن ادامه دهید
1- معایب اصلی الگوریتم های k-medians این است که برای خوشه بندی گروه های غیر کروی (شکل دلخواه) از داده مناسب نیست. این به این دلیل است که به حداقل رساندن فاصله بین داده های غیر مرکز و مرکز به مرکز خوشه ...
به خواندن ادامه دهید
فرآیند داده‌کاوی دارای هفت گام «پاک‌سازی داده» (Data Cleaning) ، «تبدیل داده» (Data Transformation)، «یکپارچه‌سازی داده» (Data Integration)، «انتخاب ویژگی» (Feature Selection) ، «داده‌کاوی» (Data …
به خواندن ادامه دهید