دانلود مقاله ترجمه شده : ابزار داده کاوی Data mining tools
فرمت فایل دانلودی: .docxفرمت فایل اصلی: doc
تعداد صفحات: 19
حجم فایل: 13 کیلوبایت
عنوان ترجمه فارسی: ابزار داده کاوی
نویسنده/ناشر/نام مجله : Advanced Review
سال انتشار 2011
تعداد صفحات انگلیسی: 13
تعداد صفحات فارسی: 19
نوع فایل های ضمیمه Word+Pdf
عنوان مقاله انگلیسی: Data mining tools
Abstarct
The development and application of data mining algorithms requires the use of powerful software tools. As the number of available tools continues to grow, the choice of themost suitable tool becomes increasingly difficult. This paper attempts to support the decision-making process by discussing the historical development and presenting a range of existing state-of-the-art data mining and related tools. Furthermore, we propose criteria for the tool categorization based on different user groups, data structures, data mining tasks and methods, visualization and interaction styles, import and export options for data and models, platforms, and license policies. These criteria are then used to classify data mining tools into nine different types. The typical characteristics of these types are explained and a selection of the most important tools is categorized. This paper is organized as follows: the first section Historical Development and State-of-the-Art highlights the historical development of data mining software until present; the criteria to compare data mining software are explained in the second section Criteria for Comparing Data Mining Software. The last section Categorization of Data Mining Software into Different Types proposes a categorization of data mining software and introduces typical software tools for the different types
چکیده
توسعه و بکارگیری الگوریتم های داده کاوی مستلزم بکارگیری ابزار نرم افزاری قوی می باشد . همانطور که تعداد ابزار در دسترس در حال رشد می باشد ، انتخاب مناسب ترین ابزار تا حد قالا توجهی دشوار می گردد . این مقاله تلاش می کند تا از فرآیند تصمیم گیری از طریق بحث و تبادل نظر در مورد توسعه تاریخی و ارایه طیفی از ابزار داده کاوی عالی موجود و ابزار مربوطه پشتیبانی نماید . علاوه بر این ، ما معیار هایی را مبتنی بر گروهای مختلف کاربر ، وظایف داده کاوی ، شیوه های تجسم و تعامل ، گزینه های وارداتی و صادراتی داده ها و مدل ها ، پلت فرم ها و سیاست های صدور مجوز را برای دسته بندی ابزار پیشنهاد می کنیم . سپس مشخصه های نوعی این شیوه های مختلف توضیح داده می شوند و انتخاب مهم ترین ابزار دسته بند می شود . مقاله حاضر از قرار زیر می باشد : بخش اول عبارتست از توسعه تاریخی و برجسته ساختن هنرمندانه توسعه تاریخی نرم افزار داده کاوی تا زمان حال ؛ معیار ها برای برای مقایسه نرم افزار داده کاوی در بخش دوم توضیح داده می شود که عبارتست از مقایسه نرم افزار داده کاوی . بخش آخر عبارتست از دسته بندی نرم افزار داده کاوی درون انواع فرآیند های مختلف که دسته بندی نرم افزار داده کاوی را پیشنهاد می کند و ابزار نرم افزار نوعی را برای انواع مختلف معرفی می کند .
توسعه تاریخی و جدید ترین تکنولوژی
داده کاوی از یک سری ویژگی هایی برخوردار بود که عبارتند از تاریخچه طولانی با ریشه های قوی در امار ، هوش مصنوعی ، یادگیری ماشینی و تحقیق پایگاه داده ها . کلمه " داده کاوی " را می توان بالنسبه در مراحل اولیه در مقاله لوول مشاهده نمود که در دهه 1980 منتشر گردید . پیشرفت ها در این حوزه از طریق توسعه ابزار نرم افزار مربوطه همراه گردید که با برنامه های پردازنده مرکزی برای تحلیل آماری در اوایل دهه 1950 شرو ع گردید و به انواع نرم افزار مستقل ، مشتری / سرور و نرم افزار وب محور منجر می گردد که راه حل خدمت رسانی امروزی است .
متعاقب تعریف اصلی ارایه شده در مرجع اول ، داده کاوی گامی در کشف دانش از فرآیند پایگاه داده ها (KDD) می باشد که شامل بکارگیری تحلیل داده ها و کشف الگوریتم ها برای تولید تعیین شماره الگو ها ( یا مدل ها ) در میان داده ها می باشد . KDD در همان مقاله مشابه به عنوان فرآیند غیر بدیهی شناسایی الگو های معتبر ، عالی ، به طور بالقوه سودمند و در نهایت قابل درک داده ها می باشد . بعضی مواقع تعریف گسترده تر KDD ، هم معنی برای داده کاوی استفاده می شود . این تفسیر گسترده تر به طور خاص در قالب ابزار نرم افزار محبوب است چون بخش عمده چنین ابزاری از فرآیند کامل KDD و نه صرفا یک گام انفرادی حمایت می کند .
امروزه ، تعداد قابل توجهی از روش های داده کاوی استاندارد در دسترس هستند . از چشم انداز تاریخی ، این روش ها از ریشه های مختلفی برخوردارند . یک گروه اولیه روش ها از آمار های کلاسیک پذیرفته شدند : دیگر اثبات فرضیات شناخته شده برای تولید فرضیات جدید در کانون تمرکز نیستند . مثال ها عبارتند از روش های تئوری تصمیم بیس (Bayesian) ، تئوری رگرسیون و تحلیل جزئ اصلی . گروه دیگراز روش ها نظیر درختان تصمیم گیری ، سیستم های قاعده محور و موارد دیگر از هوش مصنوعی نشات گرفته اند . اصطلاح " یادگیری ماشینی " شامل روش هایی نظیر ماشین های بردار پشتیبانی و شبکه های عصبی مصنوعی هستند . چندین دسته بندی مختلف و در بعضی مواقع هم پوشانده مجود دارند که به عنوان هوش محاسباتی خلاصه می شوند و برای مثال می توان از منطق نامعلوم ، شبکه های عصبی مصنوعی و الگوریتم های تکاملی نام برد....
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.