کنکور
دانلود مبانی نظری و پیشینه تحقیق کامپیوتر
مبانی نظری و پیشینه تحقیق داده کاوی 5
داده كاوي يك ابزار مفيد براي كاوش دانش از دادههای حجيم است روش ها و الگوهاي متفاوت در دسترس در داده كاوي هستند. (Patic et al 2012). داده كاوي يافتن اطلاعات با معاني خاص از يك تعداد زيادي از داده به وسيله بعضي از فناوري ها به عنوان رويه اي براي كشف دانش از پايگاه داده است.در این نوشتار مبانی نظری و بصورت جامع و کامل برگرفته شده از پایان نامه کارشناسی ارشد با منابع بروز و جدید برای شما عزیزان ارائه شده است.
*** سایر مبانی نظری و پیشینه تحقیق در مورد داده کاوی در لینک زیر قابل دسترس هستند:
فرايند داده كاوي
استانداردهاي مختلفي براي انجام فرايندهای داده كاوي وجود دارد كه معروف ترين استانداردهاي مورد استفاده در اين زمينه استاندارد Crisp-dm مي باشد.
1-تعریف مسئله(Business understanding)
تعریف مسئله شامل تعریف هدف مسئله،ارزیابی شرایط فعلی،تعریف اهداف داده کاوی وایجاد یک برنامه زمان بندی پروژه داده کاوی است.
2-تحلیل داده ها(Data Understanding)
وقتی که هدف مسئله مشخص شد و برنامه ریزی پروژه انجام گرفت،گام تحلیل داده ها نیازمندیهای داده ای را مورد مطالعه قرار میدهد.این مرحله شامل تهیه مجموعه دادههای اولیه، توصیف داده ها،کنکاش در داده ها و ارزیابی کیفیت داده ها است.کنکاش داده ها شامل مشاهدهی پارامترهای آماری،می تواند در پایان این فاز نیز اتفاق بیفتد.مدلهایی مثل خوشه بندی (clustering)می تواند در طول این گام به منظور شناسایی الگوها در داده ها انجام گیرد.
3-آماده سازی داده ها (Data Preparation)
زمانی که منابع در دسترس داده مشخص شدند،بایستی داده ها از آن انتخاب (Selecting)، پاک (Cleanin) و در قالب مورد نظر ریخته شوند.
همچنین کنکاش عمیق تر داده ها نیز در طول این فاز میتواند انجام گیرد.به علاوه ممکن است مدلهای دیگری نیز به کار روند تا بتوان الگوها را براساس تعریف مسئله استخراج کرد.
4-مدل سازی(Modeling)
ابزارهای نرم افزاری داده کاوی همچون تصویر سازی (Visualization)و تحلیل خوشه بندی برای تحلیلهای اولیه مفید هستند.ابزارهایی مانند شناسایی قوانین عمومی میتواند قوانین همبستگی اولیه را استخراج کند.وقتی که فهم بیشتری از داده ها بوسیلهی شناسایی الگو که با توجه به خروجیهای مدلهای اولیه حاصل میشود،افزایش مییابد،مدلهای تخصصی تر بر حسب نوع داده میتواند مورد استفاده قرار بگیرد.
در این مرحله تقسیم بندی داده ها به مجموعه دادههای آموزشی و مجموعه دادههای آزمون لازم است.
5-ارزیابی(Evaluation)
نتایج مدلهای استفاده شده در مراحل قبلی بایستی در بستر مسئله تعریف شده و اهداف تعریف شده در مراحل اولیه مورد ارزیابی قرار بگیرد.این کار منجر به شناسایی نیازهای بعدی خواهد شد.این نیازها اغلب شامل بازگشت به مراحل قبلی در فرایند CRISP-DMاست.تعریف مسئله در داده کاوی فرایند تکراری با بازگشت به عقب است که در آن نتایج اقدامات مدل سازی مختلف و تکرار آن ها روابط جدید بین داده ها را به کاربر نشان میدهد که باعث درک عمیق تر از مسئله برای کاربر خواهد شد.
6- توسعه(Deployment)
تكميل يك مدل اغلب هدف نهايي نيست بلكه هدف كشف اطلاعات بيشتر از داده است. اطلاعات از داده ي اصلي نياز خواهد داشت كه بيشتر سازماندهي شود و سپس تبديل شود به فرمي كه بتواند براي مشتري استفاده شود. اين اغلب شامل كاربرد مدلهای عملكردي در فرايندهای تصميم گيري سازمان است. اين فاز مي تواند ساده و در عين حال پيچيده باشد كه بستگي به نيازمندي ها دارد. اغلب اين فاز را مشتري به جاي يك تحليل گر داده انجام مي دهد. براي مشتري مهم است كه اعمال مورد نياز براي استفاده از مدلهای توليد شده را تشخيص دهد.
فهرست مطالب
مبانی نظری در مورد داده کاوی
2- ادبيات موضوع و مباني نظري داده کاوی
2-1-مقدمه 8
2-2-رويكرد ماشين و داده كاوي 9
2-3-فرايند داده كاوي 11
2-4-ابزارها و تكنيكهای داده كاوي 13
2-5-روشهای داده كاوي 15
2-5-1- روشهای توصيف داده ها 15
2-5-2-درخت تصميم 16
2-5-3-شبكه عصبي 17
2-5-4-تشخيص آنومالي 17
2-5-5-روشهای سری زمانی 18
2-5-6-روشهای رگرسیون خطی 18
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