داده كاوی عبارت است از فرایند كشف و تحلیل حجم بزرگی از داده ها با استفاده از روش هـای آمـاری و ریاضـی. ایـن مقالـه توصیفی است از کاربرد الگورتیم های تکاملی (EAs) در داده كاوی و كشف دانش، هدف، بیان شیوه انطباق افـراد، اپراتورهـای ژنتیك و توابع هماهنگی با استخراج دانشی سطح بالا از داده است. در بیشتر موارد، داده های حاصل از سیستم های بـزرگ و پیچیده، الگوی مشخصی ندارد و در طی زمان و مكان تغییر می كند. بنابراین برای تحلیل ایـن نـوع داده هـا بایـد بـه دنبـال روش هایی بود كه بتواند روش های آماری كلاسیك را كامل كند. داده كاوی بر اساس روشهای آمـاری كلاسـیك، هـم زمـان قابل توجیهی را صرف میكند و هم مسبوق به نظریه است. در این مقاله به منظور بررسی نقش الگوریتم اكتشافی، با عنوان الگوریتم تكاملی، در گام های متـوالی فراینـد داده كـاوی بـه تعریف و توصیف فرایند داده كاوی و الگوریتم های تكاملی پرداخته و با نظر به مفاهیم هر یـك از آنهـا، رابطـه الگـوریتم هـای تكاملی و فرایند داده كاوی را بررسی كرده ایم. در نهایت معلوم گردیده است كه تنهـا فراینـدی ماننـد فراینـد داده كـاوی بـا قابلیت تحلیلی زیاد میتواند اطلاعاتی قابل درك برای انسان ارائه نماید و نیز معلوم گردیده است كه چگونه دو فرایند داده كاوی و الگوریتم تكاملی یكدیگر را پشتیبانی می نمایند.
كاربرد الگوریتمهای تكاملی در دادهكاوی
آدرس: تهران، خیابان خرمشهر (آپادانا)، خیابان قنبرزاده، کوچه چهاردهم، پلاک 22
تلفن: 88533266-021 (10 خط)
آخرین مقالات
وبکست ها و پویش ها
- وبینار علم داده برای مدیران1400/08/22 - 16:36
وبینار علم داده برای مدیران موضوعات علم داده و رابطه آن با هوش تجاری و هوش مصنوعی رویکردهای تحلیلی کسب و کار مفاهیم پایه Big Data اجزای پلتفرم داده یادگیری ماشین و علم داده محاسبات شناختی ثبت نام کنید!