بررسي داده كاوي و برخي از مهمترين و كاربردي ترين الگوريتم هاي آن

Data mining research and some of the most important and most practical algorithms

داده كاوي از جمله علومي است كه در چند دهه اخير، توجه بسياري از محققان داخلي و خارجي را به خود جلب نموده و باعث پيشرفت چشمگيري در حوزه فني و مهندسي و بخصوص كامپيوتر شده است. داده كاوي بمنظور اكتشاف عمقي داده ها بكار مي رود و اطلاعات پنهاني كه براي برنامه ريزي هاي استراتژيك مي تواند حياتي باشد را آشكار مي نمايد. داده كاوي شامل الگوريتم هاي متعدد و گوناگوني مي باشد كه بمنظور بهينه سازي بسياري از مسائل استفاده مي شود. از جمله مهمترين اين الگوريتم ها مي توان به ماشين بردار پشتيبان (SVM)، شبكه عصبي، درخت تصميم گيري، نزديكترين همسايگي (KNN)، و غيره اشاره نمود كه در تحقيقات زيادي توسط محققان رشته هاي مختلف مورد استفاده قرار گرفته است. اين الگوريتم ها حوزه هاي مختلفي مانند يادگيري آماري، خوشه بندي، دسته بندي، و غيره را پوشش مي دهند. در اين مقاله، داده كاوي، يادگيري ماشين، و هوش مصنوعي و برخي از مهمترين الگوريتم هاي آنها كه بمنظور بهينه سازي در مسائل مختلف بكار گرفته شده اند، معرفي و مورد تجزيه و تحليل قرار گرفته شده است.

Data mining is a science that has attracted the attention of many domestic and foreign researchers in recent decades and has made significant advances in the field of engineering and engineering, and in particular computer science. Data mining is used to explore the depth of data and reveal the hidden information that can be critical to strategic planning. Data mining involves numerous and varied algorithms that are used to optimize many issues. One of the most important of these algorithms is the SVM, the neural network, the decision tree, the nearest neighbor (KNN), etc., which has been used in many research by various researchers. These algorithms cover various domains, such as statistical learning, clustering, categorization, and so on. In this paper, data mining, machine learning, and artificial intelligence and some of their most important algorithms have been introduced and analyzed for optimization in various issues.