دانلود مقاله ISI انگلیسی شماره 107851
ترجمه فارسی عنوان مقاله

مروری بر رویکردهای مختلف به حل مسائل داده‌کاوی

عنوان انگلیسی
Overview of different approaches to solving problems of Data Mining
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
107851 2018 6 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Procedia Computer Science, Volume 123, 2018, Pages 234-239

فهرست مطالب ترجمه فارسی
چکیده


کلمات کلیدی


1-مقدمه


2 وظایف داده‌کاوی


شکل ۱ طبقه‌بندی فضای دوبعدی


1 مراحل داده‌کاوی طبقه‌بندی


2 طبقه‌بندی روش‌های داده‌کاوی


3 نتیجه‌گیری


4 نتیجه‌گیری
ترجمه چکیده
این نوشتار به وظایف اصلی در تجزیه‌وتحلیل مقادیر زیادی از اطلاعات و مقایسه روش‌ها برای نتیجه‌شان اختصاص‌یافته است. تجزیه‌وتحلیل حجم بزرگی از اطلاعات و شناسایی دانش ارزشمندی که توسط ابزارهای داده‌کاوی ارائه‌شده‌اند. مفهوم داده‌کاوی به‌عنوان داده‌کاوی، تحلیل داده‌ها، جمع‌آوری داده‌ها ترجمه‌شده است. به دلیل گوناگونی بسیار زیاد انواع داده‌ها و شیوه‌های ساماندهی اطلاعات، داده‌های واقعی ممکن است همیشه توسط ابزارهای یادگیری ماشینی مورد تجزیه‌وتحلیل قرار نگیرند. برای دگرگونی داده‌های «خام» به داده‌هایی که شیوه‌های کارآمد داده‌کاوی را ممکن سازد، باید مسئله پیش‌پردازش را حل کنید. روش‌های K-نزدیک‌ترین همسایه و درخت تصمیم‌گیری چنین مسائلی مانند طبقه‌بندی داده‌کاوی و وایازش در گستره‌های مشخص‌شده را حل می‌کند.
ترجمه مقدمه
به دلیل گوناگونی گسترده روش‌های داده‌کاوی و گونه‌های مختلف اطلاعات و شیوه‌های ارائه داده‌ها نیاز است حدود کاربردپذیری و مربوط بودن برخی روش‌ها را برابر داده‌های ارائه‌شده و اهداف به‌دست‌آمده تعریف کنیم. همچنین ضروری است درک کنیم که چگونه باید با بدترین حالت داده‌کاوی به‌عنوان طبقه‌بندی، وایازش، خوشه‌بندی و غیره مسئله را حل نمود. پس از موفقیت نتیجه پردازش داده‌ها، هر مرحله از انتخاب داده‌ها و پایان دادن آن با توضیحی از ناهنجاری‌ها در نتایج آشکار می‌شود. در این نوشتار روش‌های خصوصیات k-نزدیک‌ترین همسایه و درخت تصمیم‌گیری در زمینه‌های مختلف موضوعی موردبررسی قرار خواهد گرفت. همان‌طور که داده‌ها را برای زمینه‌های موضوعی مختلف مطالعه می‌کنیم ویژگی‌های داده‌ها و روش‌های کار با آن‌ها بسته به بخش تغییر می‌کند. داده‌کاوی گام مهمی در پیش‌پردازش داده‌ها است. فرآیند پیش‌فراوری بیشتر اوقات زمان‌برترین و طولانی‌ترین است. هرازگاهی بخش بزرگی از همه فرایند داده‌کاوی را اشغال می‌کند. افزون بر این منابع و زمان فراوانی صرف گزینش مدل و آموزش آن شده است.
پیش نمایش مقاله
پیش نمایش مقاله  مروری بر رویکردهای مختلف به حل مسائل داده‌کاوی

چکیده انگلیسی

This paper is devoted to the main tasks in the analysis of large amounts of information and comparison of methods for their solution. The analysis of large volumes of information and identification of valuable knowledge provided by Data Mining tools. The concept of Data Mining is translated as data mining, data analysis, data collection. Due to of the huge variety of data types and forms of organizing information actual data may not always be analyzed by machine learning tools. For the transformation of "raw" data to the data, which can work efficiently Data Mining techniques, solve the problem of pre-processing. The methods k-nearest neighbor and decision trees solve such problems as the Data Mining classification and regression in the specified domains.