داده کاوی توالی های تکرارپذیر
سمینار درس data mining
Frequent sequences
ALGORITHMS FOR MINING FREQUENT SEQUENCES
مساله داده کاوی توالیهای تکرارپذیر این است که تکرارپذیری را که در زیر توالیهای یک پایگاه داده تکرارپذیر روی می دهد استخراج کنیم.
مقدمه
بعضی از کاربردهای sequence mining عبارت است از:
با انجام بر روی پایگاه داده پزشکی محقق ممکن است به این موضوع پی ببرد که رویدادن توالی نشانه های معینی منجر به بیماری معینی می گردد. با تحلیل weblog (گزارشات روزانه بدست آمده از web ) یک web site می تواند محبوبترین صفحات web را که مورد بازدید واقع می شود شناسایی کند . آنالیز توالی DNA یکی از سطوح تحقیق بسیار مهم است در علم ژنتیک که اجازه می دهد بیماریهای ارثی را کشف کنیم و پیش بینی کنیم که آیا یک فرد ناقل بیماری معینی می باشد یا نه ؟ یک کتابفروش اینترنتی می تواند تحلیل کند توالیهای خرید مشتریانش را برای دستیابی به الگوی خرید آنها و می تواند به مغازه در طراحی استراتژی فروش کمک کند.
اولین مدلی که در این زمینه ارائه شده بود دارای پایگاه داده ای متشکل از تراکنش ها می شود. هر Transaction مجموعه ای از آیتمها در ارتباط با یک ID برای مشتری و یک ID برای زمان. اگر این transaction ها با ID هایشان گروهبندی شوند و سپس بر اساس افزایش ID زمان هر مشتری مرتب شوند تعدادی توالی مشتری بدست می آید.هر توالی مشتری نشان دهنده سفارشی است که یک مشتری انجام داده است. مساله این است که زیرتوالیهایی پیدا کنیم که در بین همه مشتریان زیاد تکرار شده اند.
هدف از این بخش جستجوی الگوریتم های مختلف و در دسترس برای داده کاوی توالیها و سپس تحلیل مشخصه ها و محیطهای کاربری هر یک می باشد.
ابتدا چهار الگوریتم مهم برای sequencing ارائه می گردد.که عبارتد از gsp , MFS، SPADE و PREFIXSPAN می باشند.
در میان همه الگوریتمها، GSP یک الگوریتم چند فازی تکرارشونده می باشد. این الگوریتم تعدادی از آیتمها را بررسی اجمالی میکند. بسیار شبیه به ساختار الگوریتم APRIORIبرای داده کاوی ASSOCIATION RULES ،GSP کارش را با پیدا کردن همه توالیهای با طول یک با بررسی اجمالی پایگاه داده شروع می کند. این شیوه سپس برای توالیهای با طول 2 بکار برده می شود.میزان SUPPORT یا تکرار÷ذیری از توالیهای انتخاب شده با مرور مجدد پایگاه داده محاسبه می شود.آن توالیهایی با طول 2 که تکرار پذیر هستند برای تولید توالیهای منتخب با طول 3 بکار برده می شوندو به همین ترتیب. این فرآیند تا زمانی تکرار می شود که در بررسی اجمالی پایگاه داده توالیهای تکرارپذیر بیشتری کشف نشوند. GSP الگوریتم کارایی می باشد.
بهر حال تعداد تکرارها ( و بنابر این مرور پایگاه داده ) مورد نیاز در GSP وابسته به طول بلند ترین توالیهای تکرار÷ذیر در پایگاه داده می باشند. بنابراین در صورتیکه پایگاه داده بزرگ باشد و یا اگر آن دربردارنده طولهای بزرگی از توالیهای تکرارپذیر باشند ، هزینه I/O (ورودی ، خروجی) در GSP بالا خواهد بود.
برای بهبود اجرای I/O در GSP، الگوریتمی که MFS گفته می شود بدست آمده است. MFS ابتدا جوابهای تقریبی را پیدا می کند وSest و برای مجموعه توالیهای تکرارپذیر یکراه برای دستیابی به Sest، تحلیل داده ای یک نمونه از پایگاه داده مورد استفاده، برای مثال، GSP است.
MFS سپس یکبار پایگاه داده را برای تعیین توالیهایی که در Sest تکرار پذیر هستند مرور می کند .
قیمت فقط5,500 تومانپرداخت و دانلود
مشخصات فروشنده
نام و نام خانوادگی : جعفر علایی
شماره تماس : 09147457274 - 04532722652
ایمیل :ja.softeng@gmail.com
سایت :sidonline.ir
مشخصات فایل
فرمت : doc
تعداد صفحات : 18
قیمت : 5,500 تومان
حجم فایل : 31 کیلوبایت
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلآنالیز خوشهای
Data mining clustering in
آنالیز خوشهای
مقدمه:
به عنوان شاخهای از آمار، آنالیز خوشهای برای سالها بطور وسیعی مورد مطالعه قرار گرفته است و برروی فاصله متمرکز شده است. ابزارهای آنالیز خوشه ای که مبتنی بر K-means و K-medoids و چند روش دیگر هستند، در خیلی از بسته های نرم افزاری آمار مانند Sas , S-plus , Spss درست شدهاند. دریادیگری ماشینی، خوشه بندی مثالی از یادگیری بدون نظارت میباشد. برخلاف کلاس بندی، خوشه بندی ویا یادگیری بدون نظارت، روی کلاسهای از قبل تعریف شده و یا ویژگی هدفی تکیه ندارند. به همین دلیل خوشه بندی شکلی از یادگیری بوسیلة مشاهدات است تا یادگیری با مثالها.
در آنالیز خوشهای مسائل زیر عنوان میشوند:
- آنالیز خوشهای چیست؟
- یک دسته بندی از روشهای خوشه بندی اصلی
- روشهای افزار بندی
- روشهای سلسله مراتبی
حال به ترتیب یکی یکی وارد مباحث میشویم.
آنالیز خوشهای چیست؟
ابتدا بررسی میکنیم خوشه بندی چیست. خوشه بندی، گروهبندی نمونههای مشابه با هم در یک نمونة دادهای میباشد و مسائل اساسی مربوط به آن عبارتند از:
- توزیع دادههای به K گروه مختلف که نقاط هر گروه با یکدیگر مشابهند.
- تشابه بین نقاط از روی برخی فاصلههای متر یک ( که باید انتخاب شوند) تعریف میشود.
خوشهبندی برای کارهای زیر سودمند ست:
قیمت فقط8,500 تومانپرداخت و دانلود
مشخصات فروشنده
نام و نام خانوادگی : جعفر علایی
شماره تماس : 09147457274 - 04532722652
ایمیل :ja.softeng@gmail.com
سایت :sidonline.ir
مشخصات فایل
فرمت : doc
تعداد صفحات : 59
قیمت : 8,500 تومان
حجم فایل : 356 کیلوبایت
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلشیپ فایل زمین شناسی حوضه آبریز گاوخونی حوضه آبریز گاوخونی، یکی از زیرحوضه های حوضه آبریز فلات مرکزی می باشد
راهنمای استفاده:
این فایل یک فایل فشرده است که جهت استفاده، ابتدا باید آن را از حالت فشرده خارج کنید.
محتوای فایل:
لایه پولیگونی زمین شناسی حوضه با پسوند "shp"
فرمت فایل اصلی:
Shp
قیمت فقط4,000 تومانپرداخت و دانلود
مشخصات فروشنده
نام و نام خانوادگی : جعفر علایی
شماره تماس : 09147457274 - 04532722652
ایمیل :ja.softeng@gmail.com
سایت :sidonline.ir
مشخصات فایل
فرمت : rar
تعداد صفحات : 1
قیمت : 4,000 تومان
حجم فایل : 641 کیلوبایت
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلاستخراج قوانین وابستگی از پایگاههای داده
استخراج قوانین وابستگی از پایگاههای داده
Mining Association Rules From Databases
گردآورنده:
1- مقدمه
تحلیل وابستگیها یک حالت غیر نظارتی داده کاوی می باشد که به جستجو برای یافتن ارتباط در مجموعه داده ها می پردازد. یکی از کاربردیترین حالات تحلیل وابستگیها “تجزیه تحلیل سبد بازار ” می باشد.
پیشرفت تکنولوژی فروشگاههای خرده فروشی را قادرساخته است حجم زیادی از داده های مربوط به خرید هر یک از مشتریان که از آن به عنوان سبد بازار یاد میشود را جمعآوری و ذخیره نمایند. دادههای موجود در سبد بازارنشاندهنده خرید مشتری دریک زمان خاص هستند. هر مشتری خرید مجزایی را درکمیتهای مختلف وزمانهای متفاوت انجام میدهد. با تجزیه و تحلیل سبد بازاربینشی برای خردهفروشان ازاینکه چه محصولاتی با هم خریداری میشوند فراهم می گردد و بنابراین میتوانند رفتارخرید مشتریان را پیشبینی کنند این کار به آنها کمک می کند که بهتر بتوانند کالاهای خود را سازماندهی کرده و چیدمان بهتری ازمحصولات خود داشته باشند و بنابراین سودآوری خود را افزایش دهند.
Association rule ها ماهیتاً قوانین احتمالی هستند. بعبارت دیگر قانون XÞAلزوماً قانون X+YÞA رانتیجه نمیدهد زیرا این قانون ممکن است از شرط حداقل Support برخوردار نباشد.
بطرزمشابه قوانین XÞY و YÞZ لزوماً قانون XÞZ را نتیجه نمیدهند زیرا قانون اخیر ممکن است از شرط حداقل Confidence برخوردار نباشد.
2- تعاریف و مفاهیم اصلی
I = { i1 , i2 , … , im } : مجموعهای از کل ایتمهای خریداری شده است
T: هر زیرمجموعهای از I میباشد که از آن بعنوان تراکنش یاد میکنیم.
D: مجموعه تراکنشهای موجود در T است
: TID شناسه منحصر به فرد و یکتایی است که به هریک از تراکنشهااختصاص مییابد.
نمای کلی یک قانون وایستگی به فرم زیر میباشد:
X Þ Y [support , Confidence]
میباشد بطوریکه داریم: X ÇY = Æ و X Ì I, Y Ì I
2-1- پشتیبان یا Support : نشاندهنده درصد یا تعداد مجموعه تراکنشهایی در D است که شامل هر دوی X و)Y X È Y) باشند.
2-2- اطمینان یا Confidence : میزان وابستگی یک قلم کالای خاص را به دیگری بیان می کند ومطابق فرمول زیر محاسبه میشود:
استخراج قوانین وابستگی از پایگاههای داده Mining Association Rules From Databases 1- مقدمه
پیشرفت تکنولوژی فروشگاههای خرده فروشی را قادرساخته است حجم زیادی از داده های مربوط به خرید هر یک از مشتریان که از آن به عنوان سبد بازار یاد میشود را جمعآوری و ذخیره نمایند. دادههای موجود در سبد بازارنشاندهنده خرید مشتری دریک زمان خاص هستند. هر مشتری خرید مجزایی را درکمیتهای مختلف وزمانهای متفاوت انجام میدهد. با تجزیه و تحلیل سبد بازاربینشی برای خردهفروشان ازاینکه چه محصولاتی با هم خریداری میشوند فراهم می گردد و بنابراین میتوانند رفتارخرید مشتریان را پیشبینی کنند این کار به آنها کمک می کند که بهتر بتوانند کالاهای خود را سازماندهی کرده و چیدمان بهتری ازمحصولات خود داشته باشند و بنابراین سودآوری خود را افزایش دهند.
Association rule ها ماهیتاً قوانین احتمالی هستند. بعبارت دیگر قانون XÞAلزوماً قانون X+YÞA رانتیجه نمیدهد زیرا این قانون ممکن است از شرط حداقل Support برخوردار نباشد.بطرزمشابه قوانین XÞY و YÞZ لزوماً قانون XÞZ را نتیجه نمیدهند زیرا قانون اخیر ممکن است از شرط حداقل Confidence برخوردار نباشد. 2- تعاریف و مفاهیم اصلی
قیمت فقط6,900 تومانپرداخت و دانلود
مشخصات فروشنده
نام و نام خانوادگی : جعفر علایی
شماره تماس : 09147457274 - 04532722652
ایمیل :ja.softeng@gmail.com
سایت :sidonline.ir
مشخصات فایل
فرمت : doc
تعداد صفحات : 28
قیمت : 6,900 تومان
حجم فایل : 407 کیلوبایت
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلشیپ فایل زمین شناسی حوضه آبریز دریاچه نمک حوضه آبریز دریاچه نمک، یکی از زیرحوضه های حوضه آبریز فلات مرکزی می باشد
راهنمای استفاده:
این فایل یک فایل فشرده است که جهت استفاده، ابتدا باید آن را از حالت فشرده خارج کنید.
محتوای فایل:
لایه پولیگونی زمین شناسی حوضه با پسوند "shp"
فرمت فایل اصلی:
Shp
قیمت فقط4,000 تومانپرداخت و دانلود
مشخصات فروشنده
نام و نام خانوادگی : جعفر علایی
شماره تماس : 09147457274 - 04532722652
ایمیل :ja.softeng@gmail.com
سایت :sidonline.ir
مشخصات فایل
فرمت : rar
تعداد صفحات : 1
قیمت : 4,000 تومان
حجم فایل : 1867 کیلوبایت
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایل