***5
چکیده مقاله
در این مقاله یک کاوش کننده داده (data miner) بر پایه اتوماتای یادگیر پیشنهاد شده است که LA-miner نام گذاری شده است.
LA-miner قواعد طبقه بندی را از مجموعه داده ها (data set ) به طور خودکار استخراج می کند.
***6
الگوریتم پیشنهادی بر پایه بهینه سازی که از اتوماتای یادگیر استفاده می کند بنا نهاده شده است.
نتایج عملی نشان می دهد که عملکرد LA-miner پیشنهاد شده قابل مقایسه و در بعضی مواقع بهتر از Ant-miner (الگوریتم کاوش کننده بر مبنای الگوریتم بهینه سازی کلونی مورچه ها) و CNZ (الگوریتم معروف داده کاوی برای طبقه بندی) است.
***7
داده کاوی Data Mining
چرا داده کاوی؟
تعریف داده کاوی
کاربردهای داده کاوی
***8
چرا داده کاوی؟
دلایل پیدایش داده کاوی:
توسعه تکنولوژی های ذخیره و بازیابی اطلاعات.
افزایش روزافزون حجم اطلاعات ذخیره شده.
آرشیوهای اطلاعاتی، به دلیل حجم بسیار زیاد، غالبا به مقبره های اطلاعات تبدیل می شوند.
علیرغم هزینه های سنگین در بخش تکنولوژی اطلاعات، بسیاری از تصمیمها همچنان در فقر اطلاعاتی اتخاذ می گردند و از قابلیتهای بالقوه اطلاعات ذخیره شده استفاده نمی شود.
***9
چرا داده کاوی؟
Europe's Very Long Baseline Interferometry (VLBI)دارای 16 تلسکوپ است که هر کدام از آن ها بالغ بر 1 Gigabit/second داده های نجومی در هر دوره 25 روزه تولید می کنند.
آنالیز این داده ها یک مشکل بزرگ است.
***10
حجم عظیم داده ها در وب
جستجوی Google در 4 بیلیون صفحه شامل صدها ترابایت می باشد.
پایگاه داده های امروزی بسیار حجیم هستند.(حجم هایی نظیرGigabytes و terabytes )
بیش از 1,000,000 entities/records/rows
***11
سازمانهایی موفقند که بتوانند حداقل 7% داده هایشان را تحلیل کنند .
تحقیقات انجام یافته نشان داده است که سازمانها کمتر از یک درصد داده هایشان را برای تحلیل استفاده می کنند . به عبارت دیگر در حالی که غرق در داده ها هستند تشنه دانش می باشند.
بنابراین به دانش کشف از داده ها نیاز است.
***12
تعریف داده کاوی
داده کاوی به دانش استخراج از داده ها اشاره دارد و هسته اصلی آن در فصل مشترک یادگیری ماشین، آمار و پایگاه داده است.