تکنیک های محبوب در داده کاوی

سمیرا نصر اصفهانی -22بهمن 1397

تجزیه و تحلیل داده ها یک فرایند بررسی، پاکسازی، تبدیل و مدل سازی داده ها می باشد که با هدف کشف اطلاعات مفید از داده ها به کار می رود.

تجزیه و تحلیل داده ها دارای جنبه ها و رویکردهای متعددی است و شامل تکنیک های گوناگون تحت نام های مختلف است و در حوزه های مختلف مورد استفاده قرار می گیرد.

چندين روش عمده که قابل استفاده در پروژه هاي داده کاوی است، وجود دارد که شامل طبقه بندی، خوشه بندی،  پیش بینی، شناسایی الگوهای تکراری، درخت تصمیم، الگوریتم نزدیکترین همسایه، وابستگی و … می باشد.

در این بخش به طور خلاصه در مورد بعضی از آن ها توضیح می دهیم.

طبقه بندی:

طبقه بندی یک روش کلاسیک در داده کاوی بر مبنای یادگیری ماشین است.

این روش از تکنیک های آماری مانند درخت تصمیم، شبکه عصبی، الگوریتم نزدیک ترین همسایه استفاده می کند.

به طور کلی این روش برای تخصیص یک برچسب به مجموعه ای از داده ها که هنوز دسته بندی نشده اند، استفاده می شود.

خوشه بندی:

خوشه بندی داده ها را به خوشه های مختلف که از قبل معین نسیتند تقسیم می کنند(براساس مشابهت دورن خوشه و بیرون خوشه).

پیش بینی:

پیش بینی ابزاری در داده کاوی است که در جهت کشف ارتباط بین متغیرهای مستقل و وابسته می باشد. به عبارتی بهتر پیش بینی یعنی تعیین مقدار برای یک متغیر وابسته برحسب مقادیر متغیر های مستقل.

پیش بینی مشابه دسته بندی است با این تفاوت که در دسته بندی متغیر وابسته، گسسته می باشد.

معروف ترین روش در پیش بینی رگرسیون می باشد.

درخت تصمیم:

یکی از ابزارهای معروف در داده کاوی که در مقایسه با ابزارهای دیگر بسیار قابل فهم تر می باشد، درخت تصمیم است. ریشه درخت تصمیم، یک سوال یا وضعیت ساده است که دارای چندین پاسخ است. سپس هر پاسخ، به مجموعه ای از سوالات یا شرایط که به ما در تعیین تصمیم گیری کمک می کند، منجر می شود. برای مثال از درخت تصمیم استفاده می کنیم تا تعیین کنیم با توجه به شرایط آب و هوایی آیا بازی تنیس انجام می شود یا خیر؟

جدول زیر خلاصه ای از تکنیک ها را نشان می دهد.

تکنیک های محبوب در داده کاوی		استراتژی ها
تحلیل داده		توضیح و تفسیر
شبکه عصبی		طبقه بندی
درخت تصمیم		طبقه بندی
الگوریتم نزدیک ترین همسایه		طبقه بندی
رگرسیون		پیش بینی
روش k-mean		خوشه سازی