مقدمه مبانی نظری داده کاوی

داده کاوی، یک تکنولوژی نوظهور است، که از ابزارها و تکنیک‌های مدل‌سازی و تجزیه و تحلیل آماری، الگوریتم‌های ریاضی، و متدهای یادگیری ماشین برای کشف الگوهای معتبر و ناشناخته در مجموعه داده‌های حجیم استفاده می‌کند. هرچند این تکنولوژی دوران نوباوگی خود را طی می‌کند، اما شرکت‌ها و سازمان‌های بسیاری از جمله خرده‌فروشی‌ها، بانک‌ها، مراکز درمانی، کارخانجات تولیدی، ارتباطات راه دور، و مؤسسات دولتی از ابزارها و تکنیک‌های داده‌کاوی برای تحلیل داده‌هایشان و کشف اطلاعات و دانش مفید از آن‌ها استفاده می‌کنند.[1, 2] داده‌کاوی اطلاعاتی را از پایگاه داده‌ها استخراج می‌کند که از طریق کوئری‌ها و گزارش‌گیری‌ها قابل دست‌یابی نیستند.رشد انفجاری داده‌های ذخیره شده در پایگاه داده‌ها، نیاز به تکنولوژی‌های جدید که بتوانند حجم عظیم داده‌ها را هوشمندانه به دانش مفید تبدیل کنند، را پدید آورده است.[3] داده کاوی به معنای يافتن نيمه خودکار الگوهای پنهان در مجموعه داده های  موجود می‌باشد.[4] این تکنولوژی با دیگر تکنیک‌های تحلیل داده، که سیستم، مقادیر اولیه را می‌گیرد و خود، الگوهایی را تولید می‌کند، متفاوت است. 

داده‌کاوی توسط ابزارهای الگوریتمیک، الگوها، تغییرات، آنومالی‌ها، قوانین، و ساختارهای مهم آماری، و رویدادها را از مجموعه داده‌های عظیم استخراج می‌کند.[5] می‌توان گفت که داده کاوی در جهت کشف اطلاعات پنهان و روابط موجود در بين داده های فعلی و پيش بينی موارد نامعلوم و يا مشاهده نشده عمل می کند. برای انجام عمليات کاوش لازم است قبلاً روی داده های موجود پیش پردازش‌هایی انجام گيرد. عمل پيش پردازش اطلاعات خود از دو بخش کاهش اطلاعات، و خلاصه سازی و کلی سازی داده ها تشکيل شده است.

کاهش اطلاعات عبارت است از توليد يک مجموعه کوچک‌تر، از داده های اوليه، که تحت عمليات داده کاوی نتايج تقریباً یکسانی با نتايج داده کاوی روی اطلاعات اوليه به دست دهد.[4] پس از انجام عمل کاهش اطلاعات و حذف خصايص غير مرتبط نوبت به خلاصه سازی و کلی-سازی داده ها می‌رسد. داده های موجود در بانک‌های اطلاعاتی معمولاً حاوی اطلاعات در سطوح پايينی هستند، بنابراين خلاصه-سازی مجموعه بزرگی از داده ها و ارائه آن به صورت يک مفهوم کلی اهميت بسيار زيادی دارد. کلی سازی اطلاعات، فرآيندی است که تعداد زيادی از رکوردهای يک بانک اطلاعاتی را به صورت مفهومی در سطح بالاتر ارائه می‌نمايد. تکنیک‌‌های داده کاوی به چند دسته تقسيم می شوند که سه دسته اصلی عبارتند از خوشه بندی ، طبقه بندی  و کشف قواعد انجمنی . 
 

*** سایر مبانی نظری و پیشینه تحقیق در مورد داده کاوی در لینک زیر قابل دسترس هستند:

لیست تمام مبانی نظری و پیشینه تحقیق درباره داده کاوی

فهرست مطالب

مبانی نظری  در مورد داده کاوی

2-1- مقدمه    7
2-2- داده‌کاوی    7
2-2-1- خوشه‌بندی    8
2-2-1-1- روشهای تقسيمبندی    8
2-2-1-2- روشهای سلسله مراتبی    8
2-2-1-3- روشهای مبتنی بر چگالی    9
2-2-2- طبقه‌بندی    9
2-2-2-1- طبقه‌بندی مبتنی بر قواعد    10
2-2-3- کشف قواعد انجمنی    12
2-2-3-1- تعاریف و مفاهیم اصلی در قواعد انجمنی    12
2-2-3-1-1- تقسیم بندی قواعد انجمنی    14
2-2-3-1-2- استخراج قواعد تک‌سطحی تک بعدی دودویی    14
2-2-3-1-2-1- مرحله پیوست    16
2-2-3-1-2-2- مرحله هرس    17
2-2-3-1-3- محاسبه اطمینان و استخراج قواعد نهایی    17
2-3- داده‌کاوی توزيع شده    17
2-6-1- داده‌کاوی توزيع شده    33
2-6-2- کارهای مهم انجام شده در زمينه داده‌کاوی با استفاده از عامل    36
2-7- جمع‌بندی    

پیشینه تحقیق در مورد داده کاوی

منابع

توضیحات:
فصل دوم پایان نامه کارشناسی ارشد (پیشینه و مبانی نظری پژوهش)
 
همراه با منبع نویسی درون متنی به شیوه APA جهت استفاده فصل دو پایان نامه
 
توضیحات نظری کامل در مورد متغیر
 
پیشینه داخلی و خارجی در مورد متغیر مربوطه و متغیرهای مشابه
 
رفرنس نویسی و پاورقی دقیق و مناسب
 
منبع :    انگلیسی وفارسی دارد (به شیوه APA)
 
نوع فایل:     WORD و قابل ویرایش با فرمت doc