اینو دیدی

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

اینو دیدی

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

کاملترین مجموعه داده کاوی: استفاده از داده کاوی در دسته بندی مشتریان

اختصاصی از اینو دیدی کاملترین مجموعه داده کاوی: استفاده از داده کاوی در دسته بندی مشتریان دانلود با لینک مستقیم و پر سرعت .

کاملترین مجموعه داده کاوی: استفاده از داده کاوی در دسته بندی مشتریان


کاملترین مجموعه داده کاوی: استفاده از داده کاوی در دسته بندی مشتریان

کاملترین مجموعه داده کاوی: استفاده از داده کاوی در دسته بندی مشتریان

استفاده از داده کاوی در دسته بندی مشتریان

به همراه منابع و اسلاید ها و دکیومت رود 108 صفحه ای

 مقدمه ای بر داده کاوی
 داده کاوی داده های مشتریان
دسته بندی مشتریان با روشهای موجود
 ارائه یک روش جدید برای انجام عملیات دسته بندی
مقایسه روشهای موجود و روش جدید
 تعیین تعداد بهینه مشتریان دعوتی برای یک محصول جدید
پیشنهاد یک روش جدید برای مقایسه الگوریتمهای دسته بندی مشتریان
 نتیجه گیری و اقدامات آتی

 

 

مقدمه

از زمان پیدایش علم آمار دانشمندان نیاز به کشف خصوصیات داده ها را احساس کرده بودند. با استفاده از آمار و روشهای آن در آن زمان خصوصیات داده ها از قبیل پراکندگی و تمرکز آنها بررسی می شد. با افزایش نیاز به استفاده از داده ها و درک ارزش اطلاعات ، داده ها به سرعت در حال جمع و ذخیره شدن می باشند که این سرعت همه روزه در حال زیاد شدن می باشد. به موازات سرعت زیاد ذخیره شدن داده ها ابزارهای محاسبه مکانیکی، الکتریکی و در نهایت کامپیوترها نیز بوجود آمده اند. حجم زیاد داده های ذخیره شده که معمولا  از منابع گوناگون تهیه شده بودند و بعضا دارای قالبهای متفاوتی نیز بودند سبب شد که در بعضی موارد روشهای آماری به تنهایی قادر به کشف خصوصیات داده ها نباشند. دانشمندان برای رفع این مشکل تصمیم گرفتند که از سرعت بالای کامپیوترها استفاده نمایند. همین امر سبب شد که روشهای ابتکاری دیگری علاوه بر روشهای آماری مثل شبکه های عصبی، الگوریتم ژنتیک ایجاد شود.

سه موضوع انبارش و ذخیره شدن داده ها، افزایش سرعت کامپیوترها و پیدایش الگوریتمهای جدید کار با داده ها باعث ایجاد علمی با نام داده کاوی[1] شده است.

داده کاوی عبارت است از "استخراج اطلاعات و دانش و کشف الگوهای پنهان از یک پایگاه داده های بسیار بزرگ"  ]3[ . که این الگوها و دانشها معمولا مستتر در داده        می باشند. از داده کاوی می توان برای انجام کارهایی مثل دسته بندی[2]، پیش بینی[3]، تخمین[4] و خوشه بندی[5] داده ها استفاده نمود. برای انجام این کارها تکنیکهایی توسعه یافته اند که با توجه به پیشرفت کامپیوترها و این علم همه روزه برتعداد و کیفیت این تکنیکها افزوده  می شود. تعدادی از معروفترین این تکنیکها عبارتند از: الگوریتمهای خوشه بندی[6]، شبکه های عصبی[7]، الگوریتم ژنتیک[8]، نزدیکترین همسایگی[9] و درخت تصمیم گیری[10].

ویژگیهای داده کاوی سبب شده که امروزه در تجارت و کسب و کار از آن بسیار استفاده شود. شرکتهای مخابراتی، بانکها، شرکتهای بازاریابی و تبلیغاتی و کلیه شرکتهایی که از پایگاههای داده های بزرگی برخوردار بوده و از اهمیت اطلاعات و آگاهی در بازار خبر دارند‏‏، می توانند از داده کاوی بعنوان یک ابزار بسیار قوی برای رشد و پیشرفت در بازار استفاده کنند.

یکی از زمینه های بسیار مهم تجارت که امروزه مورد توجه بسیاری قرار گرفته است مشتریان و داده های مربوط به آنهاست. سازمانها به دلیل اهمیتی که به مشتریان و اطلاعات مربوط به آنها می دهند با سرعت زیادی در حال ذخیره سازی  و استفاده از   داده های مربوط به مشتریان خود هستند. همین امر سبب شده تا علم داده کاوی خود را بیشتر درتحلیل داده های مشتریان نمایان سازد.


[1]  Data Mining

[2]  Classification

[3]  Prediction

[4]  Estimation

[5]  Clustering

[6]  Cluster Detection Algorithm

[7]  Neural Networks

[8]  Genetic Algorithm

[9]  Nearest Neighboring

[10]  Decision Tree


دانلود با لینک مستقیم


کاملترین مجموعه داده کاوی: استفاده از داده کاوی در دسته بندی مشتریان