آشنایی با روش های داده کاوی

روش‌هاي داده‌كاوي بسيار مهمي وجود دارند كه بايد هنگام ورود به‌علم داده آن­ها را در نظر گرفت، اما برخي از روايي‌ترين روش‌ها شامل خوشه‌بندي، پاكسازي داده‌ها، تركيب داده‌ها، انبار داده، يادگيري ماشين، تجسم داده، طبقه‌بندي، شبكه‌هاي عصبي و … است. به‌طوركلي، داده‌كاوي فرايندي كامپيوتر‌محور براي كاوش مجموعة داده‌ها، شناخت روندها و ناهنجاري‌هاي كليدي، و پسامد آن؛ تجزيه و واكاوي اين يافته‌ها براي نتيجه‌گيري و كاربري بهينه‌هاست. داده‌كاوي در صنايع بي‌شماري به‌عنوان ابزاري كارا براي بهبود كارايي، توسعه و نوآوري در مدل‌هاي تجاري موجود است.

هر كدام از روش‌هاي داده‌كاوي رايج، جنبة متفاوتي از جمع‌آوري و تجزيه و تحليل داده‌ها را مورد توجه قرار مي‌دهد. براي مثال، تشخيص نقاط پَرت براي شناسايي ناهنجاري‌هاي مهم در داده‌ها كاربري دارد كه مي‌تواند نشان‌دهندة موضوعات عميق‌تري باشد. درهمين‌حال، مدل‌سازي پيش‌بيني‌كننده براساس يافته‌هاي موجود، در توسعة برنامه‌هاي آگاهانه‌تر در آينده، مفيد است. به‌طور قطعي روش‌هاي داده‌كاوي مي‌توانند از الگوي مبتني بر خوشه‌بندي، طبقه‌بندي، تركيب داده‌ها (پيوستگي) و متمركز بر ناهنجاري (تشخيص نقاط پَرت) تا الگوريتم خودكار (شبكه‌هاي عصبي، يادگيري ماشين) متغير باشند. در بيشتر موارد، نوع داده‌كاوي؛ به‌نهاد كاربردي و داده‌هاي مورد نظر بستگي دارد. همچنين “كيفيت” فرايند و اهميت نتيجة داده‌كاوي بنا بر موارد زير سنجيده مي‌شود:

در اين كتاب سعي شده است كه روش‌هاي مختلف براي انجام داده‌كاوي با ديدگاه‌هاي مختلف بررسي و جمع‌بندي شوند. اين مجموعه، شامل هشت فصل است كه تلاش دارد فرايند تجزيه و تحليل، روش‌هاي داده‌كاوي، الگوريتم‌ها و ابزارهاي مفيد داده‌كاوي، و همچنين تفاوت مفهوم داده‌كاوي با روش‌هاي ديگر، مانند يادگيري ماشين و يادگيري عميق و نمونه‌هايي از كاربردي كه از داده‌كاوي ارائه شده را تشريح كند. اميد است كه اين كتاب بتواند راهنماي مفيدي براي تحليلگران داده باشد.