مقاله ترجمه شده درباره رویکردهای مختلف برای حل مشکلات داده کاوی – سال 2018
مشخصات مقاله:
عنوان فارسی مقاله:
مروری بر رویکردهای مختلف برای حل مشکلات داده کاوی
عنوان انگلیسی مقاله:
Overview of different approaches to solving problems of Data Mining
کلمات کلیدی مقاله:
داده کاوی، روش نزدیک ترین همسایگی، روش نزدیک ترین همسایگی k، درخت تصمیم، طبقه بندی، رگراسیون، پیش بینی
مناسب برای رشته های دانشگاهی زیر:
مهندسی صنایع
مناسب برای گرایش های دانشگاهی زیر:
داده کاوی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. وظایف داده کاوی
مشکل طبقه بندی و رگراسیون
3. دسته بندی مراحل داده کاوی
4. دسته بندی روش های داده کاوی
5. نتیجه گیری
قسمتی از ترجمه مقاله:
1. مقدمه
به دلیل تنوع گسترده روش های داده کاوی و انواع مختلف اطلاعات و الگوهای مربوط به ارائه و نمایش اطلاعات، لازم است که محدودیت های کاربری و ارتباط مربوط به روش های مشخص را با توجه به اطلاعات فراهم شده و اهداف کسب شده، تعریف شود. همچنین لازم است چگونگی حل این مسئله با استفاده از روش های داده کاوی از قبیل، طبقه بندی، رگراسیون، خوشه بندی و غیره، درک شود. بعد از موفقیت نتایج پردازش اطلاعات، هر قدم با انتخاب اطلاعات شروع شده و با یک توضیح از غیر متعارف ها در نتایج، پایان می یابد. در این مقاله، مشخصات روش های نزدیک ترین همسایگی k و درخت تصمیم، روش های حل مسئله را در موضوعات مطالعاتی مختلف، مورد مطالعه قرار داده است.
از آنجایی که ما داده ها را برای موضوعات مطالعاتی مختلف مورد مطالعه قرار می دهیم، خصوصیات و روش های اطلاعاتی مورد بحث، با توجه به زمینه های مطالعاتی تغییر خواهند کرد. داده کاوی قدم مهمی در پردازش اطلاعات می باشد. پردازش مطالعات قبلی، کاری طولانی و بسیار زمان گیر می باشد. گاهی اوقات اینکار قسمت عظیمی از کل پردازش داده کاوی را دربر می گیرد. به علاوه منابعی عظیم و زمان زیادی برای انتخاب مدل و آموزش آن صرف می شود.
