يكي ديگر از اهداف داده‌کاوی پديده‌ی خوشه‌بندي مي‌باشد، كه به فرآيند تقسيم مجموعه‌اي از داده‌ها (يا اشياء) به زير كلاس‌هايي با مفهوم خوشه اشاره دارد. يك خوشه، يك سري داده‌هاي مشابه مي‌باشد كه همانند يك گروه واحد رفتار مي‌كنند. لازم به ذكر است، خوشه‌بندي تاحدودیمشابه کلاس‌بندی است، با اين تفاوت كه كلاس‌ها از پيش‌تعريف‌شده و […]
کلاس بندی فرآيند پيدا کردن يک مدل توصيف کننده و تميز دهنده برای کلاس های داده ها است. اين مدل بايد به شکلی باشد که بتوان از آن برای پيش بينی کلاس داده هايی که برچسب آن ها نامشخص است، استفاده کرد. کلاس بندی کننده، بوسيله يک مجموعه داده آموزش که برای آن ها برچسب
مشکلی که دنيای امروز با آن رو به رو است، كمبود يا نبود اطلاعات نيست بلکه کمبود دانشي است که از اين اطلاعات ميتوان حاصل کرد. ميليون ها صفحه ي وب، ميليون ها کلمه در کتابخانه هاي ديجيتال و هزاران صفحه اطلاعات در هر شرکت، تنها بخشی از اين منابع اطلاعاتي هستند. اما نمي توان
در مباحث امنيت کامپيوتر، يک آسيب پذيری، ضعفی است که برای مهاجم امکان سوء استفاده از اطلاعات يک سيستم را فراهم میکند. سالانه هزاران آسيب پذيری کشف و گزارش میشوند و ميليونها دلار در سرتاسر دنيا صرف مقابله با آسيب پذيریها میگردد. برای بهره کشی از آسيب پذيری يک سيستم عموماً به سه عامل نياز
عمده‌ترین مزایای بکارگیری داده‌کاوی در مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه عبارتند از (Ranjan & Bhatnagar, 2008): افزایش دسترسی‌پذیری به مشتریان با تحلیل‌های بهتر: قابلیت تحرک و جابجایی‌پذیری امکان دسترسی به مشتریان توسط مدیران اجرایی سازمان‌ها را افزایش می‌دهد. این امر فرآیندهای تحلیل را نیز به‌علت دسترسی به داده‌های بیشتر بهبود و ارتقاء
مزایای بکارگیری داده‌کاوی در مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه بیشتر بخوانید »
داده‌کاوی در بسیاری از شاخه ها همچون بازاریابی، امور مالی، بانکداری، تولید، پزشکی، مدیریت ارتباط با مشتری، ردیابی، پیش‌بینی خرابی ها و آموزش سازمانی کاربرد دارد. بعضی از کاربردهای کلیدی داده‌کاوی به‌طور خلاصه به شرح ذیل است (محمدی‌پور، 1388): کاربردهای معمول تجاری: از قبیل تحلیل و مدیریت بازار، تحلیل سبد بازار، بازاریابی هدف، فهم
تعدادی از متخصصین داده‌کاوی از شرکت های مختلف گرد هم آمده و یک فرایند استاندارد برای داده‌کاوی ارائه نموده اند که CRISP-DM نام دارد. این متدولوژی فرایند داده‌کاوی را در شش فاز تعریف کرده است: (غفاری و سلماسی، 1388) 1- فاز درک کسب و کار 2- فاز درک داده 3- فاز آماده‌سازی داده 4- فاز
به‌طور کلی گام های اجرای داده‌کاوی در تمام منابع یکسان نیستند ولی آنچه که تقریباً در بین همه آنها به صورت مشترک وجود دارد، کشف دانش را دارای مراحل تکراری زیر می دانند (محمدی‌پور، 1388): پاکسازی داده ها: از بین بردن نوین و ناسازگار داده ها یکپارچه‌سازی داده ها: ترکیب چندین منبع داده
2-5-1 مفهوم داده‌کاوی در طول دهه گذشته با پیشرفت روزافزون کاربرد پایگاه داده ها، حجم داده های ثبت شده به طور متوسط هر 5 سال 2 برابر می شود. در این میان سازمان هایی موفقند که بتوانند حداقل 7% داده-هایشان را تحلیل کنند. تحقیقات انجام یافته نشان داده است که سازمان ها کمتر از یک
برای ارزیابی سیستم از نظیرکردن یک به یک گوینده های مرجع به گوینده هایی که سیستم آنها را تشخیص داده است، استفاده می شود. این موضوع را در نظیر کردن مورد توجه قرار می دهیم که هر گوینده در مرجع باید حداکثر به یک گوینده در خروجی سیستم نظیر شود و هر گوینده در خروجی