تکنیک های داده کاوی
درحال حاضر چند تکنیک عمده داده کاوی ایجاد و در پروژه های اخیر داده اوی مورد استفاده قرار گرفته است که شامل:
انجمن-طبقه بندی-خوشه بندی-پیش بینی و الگوهای متوالی می شود.که به طور کوتاه همراه با مثال بیان می گردد.
انجمن
انجمن یکی از شناخته شده ترین تکنیک های داده کاوی است.در روش انجمن»یک طرح براساس روابط آیتم های مشخص بر روی دیگر آیتم ها طی یک تراکنش مشابهه کشف می شود.برای مثال»تکنیک انجمن برای آنالیز سبد خرید استفاده می شود برای تشخیص این مطلب که کدام محصولات بطور مرتب توسط مشتری با هم خریداری شده.براساس این داده ها ی تجاری می توان یک مبارزه بازاریابی براساس فروش بیشتر برای سود بیشتر را اجرا کرد.
طبقه بندی
طبقه بندی یک تکنیک کلاسیک در داده کاوی است که براساس هوش مصنوعی بنیان شده است.در واقع طبقه بندی برای دسته بندی آیتم ها در مجموعه ای از داده ها که قبلا کلاسه بندی شده و ویژگی های آن مشخص شده کاربرد دارد.تکنیک طبقه بندی از متدهای ریاضی مثل درخت تصمیم گیری»برنامه یزی خطی»شبکه های عصبی و آمار بهره می جوید.برای مثال:ما میتوانیم طبقه بندی را در کاربرد هایی که"رکوردهای همه کارمندانی که شرکت را ترک کرده اند داده و پیش بینی کنیم که احتمالا کدام یک از کارکنان فعلی قصد ترک شرکت را دارند"است به کار ببنیم.در این مورد»ما رکوردهای کارمندان رابه دو گروه"رفتنی"و"ماندنی"تقسیم می کنیم و بعد می توانیم از نرم افزار داده کاوی خود بخواهیم تا کارمندان را در این دو دسته طبقه بندی کند.
خوشه بندی
[h=2]خوشه بندی تکنیکی از داده کاوی است که خوشه های معنی دار یا پر استفاده از آیتم هایی که خصوصیات مشابه دارند را می سازد و از تکنیک های اتوماتیک بهره می جوید که با تکنیک طبقه بندی متفاوت است.تکنیک خوشه بندی»کلاس ها را تعریف می کند و آیتم ها را در آن قرار می دهد»درحالیکه در تکنیک طبقه بندی آیتم ها در کلاسهای از پیش تعیین شده قرار می گیرند.برای روشن تر ساختن مفهوم»ما یک کتابخانه را در نظر می گیریم.در یک کتابخانه»کتب با موضاعات مختلفی در دسترس است.چالش این است که چطور این کتاب ها را قرار دهیم تا خواننده بتواند چندین کتاب را در یک موضوع مشخص بدون هیچ مشکلی داشته باشد .با استفاده از تکنیک خوشه بندی»ما می توانیم کتبی را شباهاتی با هم دارند در یک خوشه قرار دهیم و آن را یک لیبل با معنی مشخص کنیم.اگر خواننده بخواهد یک کتاب را در یک موضوع استفاده کند»جای اینکه کل کتابخانه را بگردد فقط به قفسه مورد نظرش مراجعه کرده و آن را می یابد.[/h][h=2]پیش بینی[/h][h=2]تکنیک پیش بینی همانطور که از نامش پیداست»رابطه بین متغییر های مستقل»متغییرهای غیر مستقل و متغییرهای مستقل و غیر مستقل را می یابد.برای مثال:این تکنیک می تواند در فروش مورد استفاده قرار گیرد تا سود را برای آینده پیش بینی کند. اگر که ما فروش را به عنوان یک متغییر مستقل در نظر بگیریم»سود می تواند یک متغییر وابسته باشد.بعد بر مبنای پیشینه فروش و اطلاعات سود»می توانیم یک رگرسیون درخور برای پیشبنی سود ترسیم کنیم.[/h][h=2]الگو های متوالی[/h][h=2]آنالیز الگوهای متوالی یکی از تکنیک های داده کاوی است که تشابه الگوها در تراکنش داده در یک دوره کسب و کار را دنبال می کند.الگوهای آشکار برای آنالیز تجاری بیشتر استفاده می شود روابط بین داده ها تشخیص داده شود[/h]
درحال حاضر چند تکنیک عمده داده کاوی ایجاد و در پروژه های اخیر داده اوی مورد استفاده قرار گرفته است که شامل:
انجمن-طبقه بندی-خوشه بندی-پیش بینی و الگوهای متوالی می شود.که به طور کوتاه همراه با مثال بیان می گردد.
انجمن
انجمن یکی از شناخته شده ترین تکنیک های داده کاوی است.در روش انجمن»یک طرح براساس روابط آیتم های مشخص بر روی دیگر آیتم ها طی یک تراکنش مشابهه کشف می شود.برای مثال»تکنیک انجمن برای آنالیز سبد خرید استفاده می شود برای تشخیص این مطلب که کدام محصولات بطور مرتب توسط مشتری با هم خریداری شده.براساس این داده ها ی تجاری می توان یک مبارزه بازاریابی براساس فروش بیشتر برای سود بیشتر را اجرا کرد.
طبقه بندی
طبقه بندی یک تکنیک کلاسیک در داده کاوی است که براساس هوش مصنوعی بنیان شده است.در واقع طبقه بندی برای دسته بندی آیتم ها در مجموعه ای از داده ها که قبلا کلاسه بندی شده و ویژگی های آن مشخص شده کاربرد دارد.تکنیک طبقه بندی از متدهای ریاضی مثل درخت تصمیم گیری»برنامه یزی خطی»شبکه های عصبی و آمار بهره می جوید.برای مثال:ما میتوانیم طبقه بندی را در کاربرد هایی که"رکوردهای همه کارمندانی که شرکت را ترک کرده اند داده و پیش بینی کنیم که احتمالا کدام یک از کارکنان فعلی قصد ترک شرکت را دارند"است به کار ببنیم.در این مورد»ما رکوردهای کارمندان رابه دو گروه"رفتنی"و"ماندنی"تقسیم می کنیم و بعد می توانیم از نرم افزار داده کاوی خود بخواهیم تا کارمندان را در این دو دسته طبقه بندی کند.
خوشه بندی
[h=2]خوشه بندی تکنیکی از داده کاوی است که خوشه های معنی دار یا پر استفاده از آیتم هایی که خصوصیات مشابه دارند را می سازد و از تکنیک های اتوماتیک بهره می جوید که با تکنیک طبقه بندی متفاوت است.تکنیک خوشه بندی»کلاس ها را تعریف می کند و آیتم ها را در آن قرار می دهد»درحالیکه در تکنیک طبقه بندی آیتم ها در کلاسهای از پیش تعیین شده قرار می گیرند.برای روشن تر ساختن مفهوم»ما یک کتابخانه را در نظر می گیریم.در یک کتابخانه»کتب با موضاعات مختلفی در دسترس است.چالش این است که چطور این کتاب ها را قرار دهیم تا خواننده بتواند چندین کتاب را در یک موضوع مشخص بدون هیچ مشکلی داشته باشد .با استفاده از تکنیک خوشه بندی»ما می توانیم کتبی را شباهاتی با هم دارند در یک خوشه قرار دهیم و آن را یک لیبل با معنی مشخص کنیم.اگر خواننده بخواهد یک کتاب را در یک موضوع استفاده کند»جای اینکه کل کتابخانه را بگردد فقط به قفسه مورد نظرش مراجعه کرده و آن را می یابد.[/h][h=2]پیش بینی[/h][h=2]تکنیک پیش بینی همانطور که از نامش پیداست»رابطه بین متغییر های مستقل»متغییرهای غیر مستقل و متغییرهای مستقل و غیر مستقل را می یابد.برای مثال:این تکنیک می تواند در فروش مورد استفاده قرار گیرد تا سود را برای آینده پیش بینی کند. اگر که ما فروش را به عنوان یک متغییر مستقل در نظر بگیریم»سود می تواند یک متغییر وابسته باشد.بعد بر مبنای پیشینه فروش و اطلاعات سود»می توانیم یک رگرسیون درخور برای پیشبنی سود ترسیم کنیم.[/h][h=2]الگو های متوالی[/h][h=2]آنالیز الگوهای متوالی یکی از تکنیک های داده کاوی است که تشابه الگوها در تراکنش داده در یک دوره کسب و کار را دنبال می کند.الگوهای آشکار برای آنالیز تجاری بیشتر استفاده می شود روابط بین داده ها تشخیص داده شود[/h]