آمار. داده کاوی. خوشه بندی k میانگین (k-means Clustering) — به همراه کدهای R. از مهم‌ترین تکنیک‌های عملی داده‌کاوی که کاربرد زیادی در علوم مختلف دارد، می توان به «خوشه بندی k-میانگین» (K-means Clustering) اشاره ...

داده‌کاوی علمی میان رشته‌ای و شامل روش‌هایی است که با بزرگ شدن و افزایش مقیاس در داده‌های ابعاد بالا، جریان‌های داده سطح بالا، داده‌کاوی توزیع شده، کاوش در تنظیمات شبکه و بسیای از …

این روش پایه‌ی روشِ یادگیری در پرسپترون و بسیاری دیگر از الگوریتم‌های داده‌کاوی است. فرمول زیر را برای دو ورودیِ x1 و x2 که ضرب ورودی در وزن‌ها بود، به خاطر بیاورید: w1*x1 + w2*x2 + θ = ۰

در این مقاله تمام نکات مهم و اساسی در مورد داده کاوی را آموزش خواهیم داد . داده کاوی با هدف کشف الگوهای موجود در داده های جمع آوری شده ، به بررسی پایگاه های بزرگ داده می پردازد . اما چطور این کار ...

شروع هر نوع کار و عملیاتی در مرحله اول، دارای یک سری مقدمات و پیش‌نیازها است. «داده‌کاوی» (Data Mining) نیز از این قانون مستثنی نبوده و نیازمند آماده‌سازی و پردازش‌های مقدماتی است.

از علاقمندی‌های او، یادگیری ماشین، خوشه‌بندی و داده‌کاوی است و در حال حاضر نوشتارهای مربوط به آمار و یادگیری ماشین را در مجله فرادرس تهیه می‌کند.

نتایج داده‌کاوی تصمیم‌گیری‌های کسب‌و‌کار را آگاهانه می‌سازد، بنابراین اگر اطلاعاتی که ضمن فرآیند داده‌کاوی کشف شده اشتباه باشند ممکن است موجب اتخاذ تصمیمات اشتباه توسط تصمیم‌سازان شود.

یکی از موضوعات پر اهمیت در حوزه «یادگیری ماشین» (Machine Learning) و «داده‌کاوی» (Data Mining) بخصوص در بخش «آماده‌سازی داده‌ها» (Data Preparation)، موضوع «تغییر مقیاس» (Re-scaling) داده‌ها است که معمولا توسط دو روش «استانداردسازی» (Standardization) و ...

در این مقاله به بررسی فرمول های داده کاوی برای پیدا کردن نزدیک ترین همسایه می پردازیم . از سه فرمول کلی و عمومیاستفاده می کنیم در خلال بررسی با ویژگی های هر فرمول به نقاط ضعف و قوت هر گدام پرداخته و ضمن ورود داده ها به ...

۳ » نرمال کردن داده‌ها (Data Normalization) و انواع آن. ۴ » تبدیل داده‌ها (Data Transformation) به فُرمت قالب فهم برای الگوریتم داده‌کاوی. » داده‌های گم‌شده (Missing Values) و راهکارهای مقابله با آن‌ها. ۶ » تشخیص ...

در این مطلب، با مبحث متن کاوی، روش‌های مهم برای تحلیل خودکار متن، روش‌های استخراج اطلاعات معنادار از داده‌های متنی و اهمیت مدل‌های متن کاوی آشنا می‌شوید.

Lift (الگوریتم داده کاوی) 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 ...

از علاقمندی‌های او، یادگیری ماشین، خوشه‌بندی و داده‌کاوی است و در حال حاضر نوشتارهای مربوط به آمار و یادگیری ماشین را در مجله فرادرس تهیه می‌کند.

ماهیت پیچیده داده های مربوط به جرم و جنایت و همچنین وجود روابط پنهان و شاید نامحسوس بین آنها ، داده کاوی را به زمینه ای با سرعت رشد در بین جرم شناسان ، بازرسان جرم و تحلیل گران جرم تبدیل کرده است.

الگوریتم در داده کاوی به چه معناست؟. الگوریتم در داده‌کاوی به معنای یک مجموعه مرتب و تعیین شده از مراحل و مراحل محاسباتی است که برای حل یک مسئله یا انجام یک وظیفه خاص در حوزه داده‌کاوی به کار ...

مفهوم داده کاوی (Data Mining) مقالات مروری بسیاری در زمینه کاربردهای داده کاوی در حوزه مهندسی صنایع، مدیریت تولید، تحقیق در عملیات و زمینه‌های مرتبط نوشته شده است.

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 ...

درخت تصمیم چیست؟. درخت تصمیم (decision tree) یکی از پرکاربردترین الگوریتم‌ها در بین الگوریتم‌های داده‌کاوی است. درخت تصمیم دقیقا مانند یک درخت است با این تفاوت که از ریشه به سمت پایین (برگ) رشد ...

داده ‌کاوی (دیتا ماینینگ | data mining) معمولاً به‌عنوان فرآیند استفاده از کامپیوتر و اتوماسیون برای جستجوی مجموعه‌های بزرگی از داده‌ها برای الگوها و روندها، تبدیل آن یافته‌ها به بینش‌ها و پیش ...

تکنیک‌های داده‌کاوی خطاناپذیر نیستند، بنابراین همیشه این خطر وجود دارد که اطلاعات کاملاً دقیق نباشد. این مسئله بخصوص در مواقعی که تنوع در مجموعه داده وجود نداشته باشد رخ می‌دهد.

آموزش رایگان داده‌کاوی پیش رو در یکی از کلاس‌های دانشگاه شریف ضبط شده است. داده‌کاوی یکی از مهم‌ترین و جذاب‌ترین درس‌های رشته مهندسی کامپیوتر در گرایش نرم‌افزار محسوب می‌شود. داده‌کاوی ...

در این مطلب از مجله فرادرس، در مورد فرآیند پواسون، فرمول محاسبه با استفاده از اکسل و پایتون توضیح صحبت و مثال‌های متعددی را بیان می‌کنیم.

واژگان بیان شده در بالا و تعاریف آن‌ها از پر کاربردترین مفاهیم مورد استفاده در زمینه داده‌کاوی هستند. این واژگان در این مطلب به صورت کلی شرح داده شدند تا چشم‌اندازی کلی از آن‌ها حاصل شود. برای درک جزئیات هر یک، می‌توان از لینک‌های ارائه شده در مطلب استفاده کرد. همچنین، برای علاقمندان به یادگیری داده‌کاوی به طور کامل، مجموعه آموزش‌های آمار، احتمالات...

داده کاوی یا دیتا ماینینگ Data Mining فرآیندی است که برای تبدیل داده های خام به اطلاعات مفید مورد استفاده کمپانی های نوین قرار می گیرد. امروز در داناپ قصد داریم مفهوم داده کاوی، کاربردها، فواید و چالش های آن را به طور کامل ...

از علاقمندی‌های او، یادگیری ماشین، خوشه‌بندی و داده‌کاوی است و در حال حاضر نوشتارهای مربوط به آمار و یادگیری ماشین را در مجله فرادرس تهیه می‌کند.

این نمودار سنگ ریزه را برای داده های ژنتیک در نظر بگیرید ().خط قرمز نشان دهنده ی نسبت واریانس توضیح داده شده برای هر ویژگی است، که از طریق تقسیم مقدار ویژه ی مولفه ی اصلی بر جمع تمام مولفه های اصلی به دست می آید.

اگر داده‌ها یک نمونه از جامعه آماری باشند، نمره استاندارد، براساس میانگین و انحراف استاندارد نمونه‌ای محاسبه می‌شود. Zi = Xi − ¯X S Z i = X i − X ¯ S. در فرمول بالا Zi Z i ‌ نمره استاندارد برای داده Xi X i ...

تشخیص داده‎های پرت در اکسل با کمک فرمول ها و فرمت دهی شرطی به راحتی و با دقت بالایی بصورت بصری و با کمک روش چارک ها صورت می گیرد. یکی از مراحل پروژه های داده کاوی و علم داده پیش پردازش داده ها می ...