نظريه مجموعه گراف در نرم افزار Rosetta

مفهوم مجموعه های راف  توسط پاوالاك در مقاله اصلی خود در سال 1982 معرفی شد (Pawlak 1982). این یک نظریه رسمی است که از تحقیقات بنیادی در مورد ویژگی های منطقی سیستم های اطلاعاتی به دست آمده است. نظریه مجموعه‌های راف، روشی برای استخراج پایگاه داده یا کشف دانش در پایگاه‌های داده رابطه‌ای بوده است. در شکل انتزاعی خود، حوزه جدیدی از ریاضیات عدم قطعیت است که نزدیک به نظریه فازی است. ما می‌توانیم از رویکرد مجموعه‌ای راف برای کشف رابطه ساختاری در داده‌های نادقیق استفاده کنیم. مجموعه‌های راف و مجموعه‌های فازی تعمیم‌های مکمل مجموعه‌های کلاسیک هستند. فضاهای تقریبی نظریه مجموعه‌های راف مجموعه‌هایی با عضویت چندگانه هستند، در حالی که مجموعه‌های فازی مربوط به عضویت جزئی هستند. توسعه سریع این دو رویکرد، مبنایی را برای "محاسبات نرم(soft computing)" که توسط لطفی ع.زاده آغاز شده است، فراهم می کند. محاسبات نرم به همراه مجموعه‌های راف، حداقل منطق فازی، شبکه‌های عصبی، استدلال احتمالی، شبکه‌های باور، یادگیری ماشین، محاسبات تکاملی و نظریه آشوب را شامل می‌شود.

ساختار درختی به عنوان روش پیش بینی- بخش اول

ساختار درخت تصمیم یک ساختار درختی، شبیه فلوچارت می‌باشد بالاترین گره در درخت گره ریشه است و گره های برگ، دسته ها یا توزیع دسته ها را نشان می‌دهند

درخت تصمیم یکی از ابزار های قوی و متداول برای دسته بندی و پیش بینی می‌باشد. در خت تصمیم بر خلاف شبکه های عصبی به تولید قاعده می‌پردازد. در ساختار درخت تصمیم، پیش بینی به دست آمده از درخت در قالب یگسری قواعد توضیح داده می شود. در حالی که در شبکه های عصبی تنها نتیجه پیش بینی بیان می‌شود و چگونگی به دست آمدن آنها در خود شبکه پنهان می‌ماند. همچنین در درخت تصمیم برخلاف شبکه های عصبی ضرورتی وجود ندارد که داده ها لزوماً به صورت عددی باشند.

آموزش داده کاوی در کلمنتاین

طراحی داشبورد در شیرپوینت

این روزها درک داده ها اهمیت بسیار بیشتری نسبت مدیریت آنها دارند . برای مرتب سازی و تدوین این داده ها ابزارهای قدرتمند مورد نیاز است که به شیوه های مفید و معنی دار آنها را سازمان دهی نمایند .
ادامه مطلب...

کاربرد داده کاوی با اتوما تای یادگیر