گوگل مارکت
فروش فایل ,دانلود فایل,خرید فایل,دانلود رایگان فایل,دانلود رایگانگوگل مارکت
فروش فایل ,دانلود فایل,خرید فایل,دانلود رایگان فایل,دانلود رایگانپروژه : بررسی سلامت دانشجویان دانشگاه مازندران از طریق داده کاوی
پایان نامه و تحقیق در رابطه با تکنیک های داده کاوی (فایل Word/ قابل ویرایش ) تعداد صفحات 80
تا به امروز نرم افزارهای تجاری و آموزشی فراوانی برای داده کاوی در حوزه های مختلف داده ها به دنیای علم و فناوری عرضه شده اند. هریک از آنها با توجه به نوع اصلی داده هایی که مورد کاوش قرار میدهند، روی الگوریتمهای خاصی متمرکز شده اند. مقایسه دقیق و علمی این ابزارها باید از جنبه های متفاوت و متعددی مانند تنوع انواع و فرمت داده های ورودی، حجم ممکن برای پردازش داده ها، الگـوریتمهای پیاده سـازی شده، روشهای ارزیابی نتایج، روشهای مصـور سـازی، روشهای پیش پردازش داده ها، واسطهای کاربر پسند، پلت‌فرمهای سازگار برای اجرا،قیمت و در حد بودن نرم افزار صورت گیرد. از آن میان، نرم آلت Weka با داشتن امکانات بسیار گسترده،امکان مقایسه خروجی روشهای مختلف با هم، راهنمای خوب، واسط گرافیگی کارا، سازگاری حرف سایر برنامه های ویندوزی، و از همه مهمتر وجود کتابی بسیار جامع و مرتبط با آن [Data Mining, witten et Al. 2005 ] ، معرفی میشود.
1- شناسایی نرم افزار Weka
میزکارWeka ، مجموع‌های از الگوریتمهای روز یادگیری ماشینی و ابزارهای پیش پردازش داده‌ها میباشد. این نرم‌افزار به گونه‌ای طراحی شده است که میتوان به سرعت، روشهای حاضر را به صورت انعطافپذیری روی مجموعه‌های جدید داده، آزمایش نمود. این نرم‌افزار، پشتیبانی‌های ارزشمندی را برای کل فرآیند داده کاوی های تجربی فراهم میکند. این پشتیبانی‌ها، آراسته سازی داده‌های ورودی، ارزیابی آماری چارچوبهای یادگیری و نمایش گرافیکی داده‌های ورودی و نتایج یادگیری را در بر میگیرند. همچنین، سازگار با دامنه وسیع الگوریتمهای یادگیری، این نرم‌افزار شامل ابزارهای جوراجور پیش پردازش داده‌هاست. این جعبه ابزار متنوع و جامع، از طریق یک واسط متداول در دسترس است، به سمت نحوی که کاربر میتواند روشهای متفاوت را در ثانیه با یکدیگر مقایسه کند و روشهایی را که برای مسایل مدنظر مناسبتر هستند، تشخیص دهد.
این سیستم به زبان جاوا نوشته شده و بر اساس لیسانس عمومی و فراگیر GNU انتشار یافته است.Weka تقریباً روی هر پلت فرمی اجرا میشود و نیز تحت سیستم عاملهای لینوکس، ویندوز، و مکینتاش، و حتی روی یک منشی دیجیتالی شخصی، آزمایش شده است.
این نرم افزار، یک واسط همگون برای بسیاری از الگوریتمهای یادگیری متفاوت، فراهم کرده است که از طریق آن روشهای پیش پردازش، پشت از پردازش و ارزیابی نتایج طرح های یادگیری روی همه مجموعه های داده موجود، قابل اعمال است.
رقیق آلت Weka ، پیاده سازی الگوریتمهای مختلف یادگیری را فراهم میکند و به آسانی میتوان آنها را به مجموعه های داده خود اعمال کرد.
همچنین، این رقیق افزار حاوی مجموعه متنوعی از ابزارهای تبدیل مجموعه‌های داده ها، همانند الگوریتمهای گسسته سازی میباشد. در این محیط میتوان یک مجموعه داده را پیش پردازش کرد، آن را به یک طرح یادگیری وارد نمود، و دسته‌بندی حاصله و کارآیی‌اش را مورد تحلیل قرار داد.( تمام این کارها، بدون نیاز به سمت نوشتن هیچ قطعه برنامه‌ای میسر است.)
این محیط، شامل روشهایی برای همه مسایل مدل داده کاوی مانند رگرسیون، رده‌بندی، خوشه‌بندی، کاوش قواعد انجمنی و تعیین ویژگی میباشد. حرف در نظر گرفتن اینکه، داده‌ها بخش مکمل کار هستند، بسیاری از ابزارهای پیش پردازش داده‌ها و مصورسازی آنها آماده گشته است. همه الگوریتم ها، ورودیهای خود را به سمت صورت یک جدول رابطهای به سمت فرمت ARFF دریافت میکنند. این فرمت داده‌ها، میتواند از یک فایل صفت شده یا به وسیله یک درخواست از پایگاه دادهای تولید گردد.
یکی از راههای به کارگیری Weka ، اجرا یک آیین یادگیری به یک مجموعه داده و تحلیل خروجی آن برای شناخت چیزهای بیشتری راجع به آن اطلاعات میباشد. راه دیگر استفاده از الگو یادگیری شده برای تولید پیشبینی‌هایی در مورد نمونه‌های جدید است. سومین راه، اعمال یادگیرنده‌های مختلف و مقایسه کارآیی آنها به غرض انتخاب یکی از آنها برای تخمین میباشد. روشهای یادگیری Classifier نامیده میشوند و باب واسط تعاملی Weka ، میتوان هر یک از آنها را از منو انتخاب نمود. بسیاری از classifier ها پارامترهای قابل تنظیم دارند که میتوان از طریق صفحه ویژگی‌ها یا object editor به سمت آنها دسترسی داشت. یک تنها ارزیابی مشترک، برای اندازه‌گیری کارآیی همه classifier به کار میرود.
پیاده سازیهای چارچوبهای یادگیری واقعی، منابع بسیار ارزشمندی هستند که Weka فراهم می کند. ابزارهایی که برای پیش پردازش داده‌ها استعمال میشوند Filter نامیده میشوند. همانند classifier ها، میتوان filter ها را از منوی مربوطه انتخاب کرده و آنها را حرف نیازمندیهای خود، سازگار نمود. در ادامه، به سمت آیین به کارگیری فیلترها اشاره میشود.
علاوه بر موردها فوق، Weka شامل پیاده سازی الگوریتمهایی برای یادگیری قواعد انجمنی، خوشه‌بندی داده‌ها در جایی که هیچ دست‌های تعریف نشده است، و انتخاب ویژگیهای مرتبط باب داده‌ها میباشد.
تعداد صفحات :80
فرمت فایل : Word
داده کاوی و کاربرد آن در تشخیص بیماری ها ( دیابت )
مروری بر داده کاوی و بررسی شبکه های عصبی
چندین دهه است که شرکت ها اطلاعات را جمع آوری می نمایند تا
حرف ایجاد یک پایگاه داده انبوه اطلاعات را اندوخته کنند، با این حال که
اطلاعات در دسترس آنها قرار دارد فقط اندازه کمی از شرکت ها باقدرت شده اند به
ارزش حقیقی ذخیره شده در آنها اساس ببرند سوال این شرکتها این است که چگونه
میتوان به ارزش واقعی این اطلاعات ید یافت؟ پاسخ ثانیه داده کاوی است، که
امروزه باب بسیاری از صنعتها از تمام پزشکی، آموزش، ورزش و بسیاری از صنایع
دیگر مورد استفاده قرار میگیرد. تکنیکهای بسیاری جهت داده کاوی بود دارد
از جمله کانال های آتشی‌مزاج مصنوعی، رگرسیون، درخت تصمیم و غیره. ایضاً طراحی
شده است استعاره SAS که میانجیگری شرکت JMP نرم افزارهایی نیز برای داده کاوی
ایجاد شده است که میتوان به نرم افزار کرد. این مقاله به معرفی داده کاوی و
برخی از روشهای داده کاوی و همچنین محیطهایی که از داده کاوی بهره میبرند
به سمت همراه نرم آلت های آن پرداخته است.
سیاهه :
چکیده
آغاز
داده کاوی
صنعت های داده کاوی
سنخ اسیر
رگرسیون گیری
خوشه اسیر
تجمع و همبستگی
درخت تصمیم گیری
ویزگی های درخت تصمیم
الگوریتم ژنتیک
شبکه های آتشی‌مزاج مصنوعی
ساختار کانال عصبی
نورون
معماری کانال عصبی
کانال های پیش خور تک لایه
انواع آموزش در شبکه های آتشی‌مزاج مصنوعی
داده کاوی در پزشکی
داده کاوی در اسم
نرم افزار های داده کاوی
پاداش گیری
مرجع‌ها