ترجمه مقاله مروری بر رویکردهای مختلف برای حل مشکلات داده کاوی - نشریه الزویر

ترجمه مقاله مروری بر رویکردهای مختلف برای حل مشکلات داده کاوی - نشریه الزویر
قیمت خرید این محصول
۲۹,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
مروری بر رویکردهای مختلف برای حل مشکلات داده کاوی
عنوان انگلیسی
Overview of different approaches to solving problems of Data Mining
صفحات مقاله فارسی
9
صفحات مقاله انگلیسی
6
سال انتشار
2018
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد ✓
کد محصول
315
وضعیت ترجمه عناوین تصاویر
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر
ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن
به صورت عدد درج شده است ✓
رشته های مرتبط با این مقاله
مهندسی صنایع
گرایش های مرتبط با این مقاله
داده کاوی
مجله
پروسه علمی کامپیوتر - Procedia Computer Science
دانشگاه
دانشگاه ملی تحقیقات هسته ای MEPhI (موسسه فیزیک مهندسی مسکو)، فدراسیون روسیه
کلمات کلیدی
داده کاوی، روش نزدیک ترین همسایگی، روش نزدیک ترین همسایگی k، درخت تصمیم، طبقه بندی، رگراسیون، پیش بینی
فهرست مطالب
چکیده
1. مقدمه
2. وظایف داده کاوی
مشکل طبقه بندی و رگراسیون
3. دسته بندی مراحل داده کاوی
4. دسته بندی روش های داده کاوی
5. نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
Abstract

This paper is devoted to the main tasks in the analysis of large amounts of information and comparison of methods for their solution. The analysis of large volumes of information and identification of valuable knowledge provided by Data Mining tools. The concept of Data Mining is translated as data mining, data analysis, data collection. Due to of the huge variety of data types and forms of organizing information actual data may not always be analyzed by machine learning tools. For the transformation of "raw" data to the data, which can work efficiently Data Mining techniques, solve the problem of pre-processing. The methods k-nearest neighbor and decision trees solve such problems as the Data Mining classification and regression in the specified domains.

نمونه چکیده ترجمه متن فارسی
چکیده
این مقاله به امور مهمی در تجزیه و تحلیل مقادیر وسیعی از اطلاعات و مقایسه روش هایی برای جواب دهی به آنها، اختصاص یافته است. تجزیه و تحلیل مقادیر وسیعی از اطلاعات و شناسایی اطلاعات ارزشمند، توسط ابزار داده کاوی فراهم شده است. مفهوم داده کاوی به عنوان استخراج، تجزیه و تحلیل و جمع آوری اطلاعات، ترجمه شده است. بنابر تنوع گسترده ای از الگوها و تشکل های اطلاعاتی مرتبط با اطلاعات سازمان یافته، اطلاعات واقعی همواره توسط ابزارهای یادگیری ماشینی تجزیه و تحلیل نمی شوند. برای تبدیل اطلاعات خام به اطلاعاتی که بتوانند به درستی به وسیله اصول داده کاوی کار کنند، مشکل پیش-پردازش حل شده است. روش های نزدیک ترین همسایگی k و درخت تصمیم، از جمله طبقه بندی داده کاوی و رگراسیون در حوزه های مشخص، این مشکلات را حل کرده است.

بدون دیدگاه