آموزش داده کاوی

آموزش داده کاوی

دربعضی  مسائل، وجود حجم زیاد داده ها، منجر به ایجاد مشکالات جدی در  شناسایی و کشف روابط و الگوهای پنهان در این داده ها شده است. روش داده کاوی با هدف فراهم آوردن روش هایی برای پردازش هوشمند حجم زیاد داده ها و استخراج روال ها و قوانین حاکم بر آن ها، مطرح شده است. این دانش در کاربردهای مختلف و اصولا در هر جا با مساله تجزیه و تحلیل اطلاعات مواجه هستیم، قابل استفاده است.

در آموزش داده کاوی خوب است انواع روش های داده کاوی را بدانید و درک کنید که به عنوان مثال یک مقاله تحلیل شده یا یک پروژه داده کاوی شده از چه روش هایی صورت گرفته یا آن روش ها در کجاها استفاده شده است.

برای دانستن مفهوم داده کاوی کلیک کنید.

انواع داده کاوی:

در داده کاوی از الگوریتم ها و شیوه های مختلفی استفاده می شود. انواع روش های اصلی داده کاوی به 3 دسته کلی تقسیم می شوند.1-روش توصیفی در داده کاوی2-روش پیشگویی در داده کاوی 3-روش تجویزی در داده کاوی. این 3 دسته، بیانگر اهداف و عملکرد روش های داده کاوی نیز هستند.

1-روش توصیفی در داده کاوی:

1=داده کاوی توصیفی یکی از شیوه های کاربرد دانش داده کاوی را در عمل بیان نموده و در برابر داده کاوی پیشگویی قرار می گیرد.ویژگی های داده کاوی توصیفی به صورت زیر است:

2=در روش توصیفی با استفاده از داده های ذخیره شده به تشریح،توصیف و تبیین آنچه در گذشته اتفاق افتاده می پردازد.

3=در روش توصیفی نتایج و یافته ها به صورت دقیق حاصل می شوند. چرا که مربوط به گذشته می باشد و داده های کل فیلد های اطلاعاتی مربوط به موضوع مورد مطالعه، در دسترس می باشد.

4=بعضی مواقع گزارشات تهیه شده در روش توصیفی و دقیق و بر اساس ساختار و فرمت مشخص می شود. خیلی از اوقات برای مقاصد مشخص کسب و کار، قالب و تمپلیت مشخصی برای گزارشات تیپ مربوط به ارائه نتایج روش توصیفی تهیه می شود .

و در دوره های زمانی مختلف بر اساس قالب تهیه شده، گزارشات ادواری ارائه می شود. مثلا گزارشات مربوط به دلایل ریزش مشتریان که هر سه ماه یکبار در یک شرکت تهیه می شود. یا گزارشات مربوط به سنجش و تحلیل رضایت مشتریان از خدمات دریافت شده در یک تعمیرگاه بزرگ که هر ماه تهیه و ارائه می شود.

5=در روش توصیفی تجمیع و ترکیب داده ها در کنار داده کاوی،انجام میگیرد.

6=رویکرد روش توصیفی،بیشتر واکنشی و منفعل می باشد، چرا که پس از وقوع موضوعات، صرفا به گزارش آنها و ارائه دلایل و علل می پردازد.

7=روش توصیفی منجر به ارائه توصیف از ویژگی های داده ها در یک دیتاست مشخص می شود.

در روش توصیفی عموما به سوالات زیر به راحتی پاسخ داده می شود!

x-چه چیزی در گذشته اتفاق افتاده است؟

y-مشکل،مسئله و چالش اصلی در کجا بوده است؟

z-میزان و فروانی و تکرار مسائل و اتفاقات رخ داده در گذشته به چه صورت بوده است؟

2-روش پیشگویی در داده کاوی:

این روش برای پیش بینی آینده بر اساس روند یا مجموعه داده های گذشته و حال استفاده می‌شود. پیش بینی بیشتر با ترکیبی از سایر روش‌های استخراج مانند طبقه‌ بندی، تطبیق الگو، تجزیه و تحلیل روند و رابطه استفاده می‌شود . به عنوان مثال، اگر مدیر فروش یک سوپرمارکت بخواهد میزان درآمد حاصل از هر کالا را بر اساس داده های فروش گذشته پیش بینی کند. این یک تابع با ارزش پیوسته را مدل می‌کند که مقادیر داده‌های عددی از دست رفته را پیش بینی می‌کند.یا مثلا فرض کنید شما مدیر مارکتینگ یک  سایت "خانومی" که سایت فروش لوازم آرایشی بهداشتی است،هستید و نیاز دارید که در طرحی که به رئیستان ارائه میکنید دقیق مشخص کنید که هر اس ام اسی که میزنید حدودا چه میزان فروش نقدی برای شما دارد.

پیش بینی به زمان مرتبط است اما وابسته به آن نیست!

 و اما مشکلاتی وجود دارد در روش پیشبینی در داده کاوی که خوب است بدانید:

1=در پاک‌سازی داده باید نویز و داده‌های گم شده را حذف کنیم و آن را با داده هایی که احتمالا متناسب با باقی داده ها باشند جایگزین کنیم که به این تکنیک یکنواخت سازی یا smoothing گویند.

2=در آنالیز ارتباط باید چک کنیم که دو داده‌ای که فرض کردیم مرتبط اند واقعا مرتبط هستند یا نه.

3=منتقل کردن یا کم کردن دیتاها هم گاهی نیاز است.

4=نرمال‌سازی نیز برای همگام کردن داده‌های منتقل شده با باقی داده‌ها انجام ‌شود و باید در نهایت داده مورد نظر در رنج باقی داده‌ها باشد.

5=دقت و سرعت و مقیاس پذیری نیز از مشکلات دیگر این روش‌هاست.

3-روش تجویزی در داده کاوی:

استفاده از روش ها یا مدل های تجویزی بالاترین مرحله در ساختار سلسله مراتبی است و به دنبال پاسخ گویی به سوال "چه اقدامی باید صورت گیرد؟"است. این روش ها یا مدل ها برخلاف روش های توصیفی و پیش بینی دقیقا به شما می گویند.در این روش با استفاده از مدل های ریاضی بهتر گزینه از بین گزینه های موجود انتخاب می شود یا به عبارت دیگر برای فرد تصمیم گیرنده تجویز می گردد.

 مدل های تجویزی از بهینه سازی،شبیه سازی،تصمیم گیری چند معیاره و روش های ابتکاری برای کمک به تصمیم گیری استفاده میکند. بیشتر روش های شبیه سازی و بهینه سازی در جنگ جهانی دوم بوجود آمد. زمانی که منابع محدودی وجود داشت و دولت ها نیاز داشتند با همان منابع محدود به اهداف خودشان دست پیدا کنند.

 از آن زمان به بعد سازمان ها شروع به استفاده از این روش ها کردند. برای مثال می توان از مدیریت عرضه و تقاضا،مدل سازی حمل و نقل و زمان بندی در یک خط تولید نام برد.

دقت و سرعت و مقیاس پذیری نیز از مشکلات دیگر این روش‌هاست.                                                  

تیم ابر آبی در کنار شما:

شما می توانید برای انجام دادن پروژه های تحلیلیتون توسط تیم متخصص ابر آبی و کسب اطلاعاتی بیشتر به صفحه ی پروژه داده کاوی مراجعه کنید.