هوش مصنوعي و داده كاوي

 

 

 

 

در هوش مصنوعي و يادگيري ماشيني ، داده كاوي يا كشف دانش در پايگاه هاي اطلاعاتي ،

استخراج غيرمعمول اطلاعات ضمني ، از قبل ناشناخته و بالقوه مفيد از داده ها .است. در اين

رويكرد از روش هاي آماري استفاده مي شود كه باعث مي شود روندها و ساير روابط در

پايگاه هاي داده بزرگ شناسايي شوند. دليل عمده اينكه داده كاوي جلب توجه كرده است،

دسترسي گسترده به داده هاي عظيم و نياز به تبديل اين داده ها به اطلاعات و دانش مفيد

مي باشد. از اين اطلاعات به دست آمده مي تواند براي برنامه هاي مختلف مانند نظارت بر

ريسك ، مديريت تجارت ، كنترل توليد ، تجزيه و تحليل بازار ، مهندسي و اكتشاف علوم

استفاده شود.

انواع تكنيك ها و روش هاي داده كاوي در هوش مصنوعي

به طور كلي سه روش داده كاوي وجود دارد. يكي از اين روش ها تجزيه وتحليل هم بستگي است.

كشف قوانين تداعي گرايي است كه شرايط مقدار ويژگي را نشان مي دهد كه اغلب با هم در يك

مجموعه داده خاص رخ مي دهد. تجزيه و تحليل همبستگي به طور گسترده اي براي شناسايي همبستگي

محصولات جداگانه در سبد خريد استفاده مي شود. تجزيه و تحليل رگرسيوندومين گزينه در اين زمينه

است. تحليل رگرسيون مدل هايي را ايجاد مي كند كه متغيرهاي وابسته را از طريق تجزيه و تحليل

متغيرهاي مستقل توضيح مي دهند. به عنوان مثال ، پيش بيني عملكرد فروش محصول مي تواند با

همبستگي قيمت محصول و سطح متوسط درآمد مشتري ايجاد شود. نوع آخر طبقه بندي و پيش بيني

است. طبقه بندي فرآيند طراحي مجموعه اي از مدل ها براي پيش بيني كلاس اشيايي است كه برچسب

كلاس آنها ناشناخته است. مدل مشتق شده ممكن است در اشكال مختلف ، مانند قوانين اگر- پس (if-then)

، درخت تصميم ، يا فرمول هاي رياضي نشان داده شود. درخت تصميم يك نمودار است كه ساختاري شبيه به

درخت دارد كه در آن هر گره يك آزمون را روي مقدار ويژگي نشان مي دهد ، هر شاخه نشان دهنده نتيجه

آزمايش است و هر برگ درخت يك كلاس يا كلاس توزيع را نشان مي دهد. درختان تصميم را مي توان به

قوانين طبقه بندي تبديل كرد. براي پيش بيني برچسب كلاس داده مي توان از طبقه بندي استفاده كرد.

پيش بيني شامل شناسايي روند توزيع بر اساس داده هاي موجود مي باشد.

فرايند داده كاوي
هوش مصنوعي و داده كاوي دو معقوله اي هستند كه از هم نمي توان جدا كرد. فرايند داده كاوي شامل يك

توالي تكراري از اين مراحل است:

انسجام و تميز كردن داده ها براي حذف ناهنجاري ها و داده هاي متناقض
ادغام داده ها به گونه اي كه ممكن است چندين منبع داده با هم تركيب شوند
انتخاب داده كه در آن داده هاي مربوط به تجزيه و تحليل بازيابي مي شود
تبديل داده ها در جايي كه داده ها به فرم هاي مناسب استخراج تلفيق مي شوند
براي استخراج الگوها جديد، از الگوها و تكنيك هاي آماري استفاده مي شود
ارزيابي الگو براي شناسايي الگوهاي جالب نشان دهنده اطلاعات
از تكنيك هاي تجسم براي ارائه اطلاعات استخراج شده به كاربران استفاده مي شود

محدوديت هاي داده كاوي
وارد شدن و خارج شدن اطلاعات با كيفيت پايين به داده كاوي نسبت داده مي شود زيرا

زيرا كيفيت اطلاعات به دست آمده از داده كاوي به كيفيت داده هاي تاريخي بستگي دارد.

ما مي دانيم كه مغايرت داده ها و برخورد با چندين منبع داده مشكلات بزرگي را در مديريت

داده ايجاد مي كند. تكنيك هاي تميز كردن داده ها براي مقابله با شناسايي و از بين بردن

خطاها و ناسازگاري ها براي بهبود كيفيت داده ها استفاده مي شود. با اين حال ، تشخيص

اين ناسازگاري ها بسيار دشوار است. چگونه مي توانيم تبادلي را شناسايي كنيم كه به

اشتباه به عنوان مشكوك برچسب گذاري شده است؟ يادگيري از داده هاي نادرست منجر

به مدل هاي نادرست مي شود محدوديت ديگر داده كاوي اين است كه فقط اطلاعات محدود به

مجموعه خاص داده هاي تاريخي را استخراج مي كند و پاسخ ها را فقط مي توان با توجه به

روندهاي قبلي آموخته شده از داده ها بدست آورد و تفسير كرد. اين توانايي فرد را براي بهره مندي

از روندهاي جديد محدود مي كند. از آنجا كه درخت تصميم به طور خاص در مجموعه داده هاي

تاريخي آموزش ديده است ، شخصي سازي درخت را در بر نمي گيرد. علاوه بر اين ، داده كاوي

غير افزايشي است و در هنگام توليد سازگار نيست.

مزاياي داده كاوي
داده كاوي به شركت هاي بازاريابي كمك مي كند مدل هايي را بر اساس داده هاي تاريخي بسازند

تا پيش بيني كنند چه كسي به فعاليت هاي بازاريابي جديد مانند نامه هاي مستقيم ، كمپين بازاريابي

آنلاين و غيره پاسخ خواهد داد. از طريق نتايج ، بازاريابان رويكرد مناسبي در فروش محصولات

 سودآور به مشتريان هدف خواهند داشت. داده كاوي همانند بازاريابي ، مزاياي زيادي را براي

شركت هاي خرده فروشي به همراه دارد. از طريق تجزيه و تحليل سبد بازار ، يك فروشگاه مي تواند

يك ترتيب توليد مناسب داشته باشد به گونه اي كه مشتريان بتوانند خريد مكرر محصولات دلپذير را

دارا باشند. علاوه بر اين ، همچنين به شركت هاي خرده فروشي كمك مي كند تا تخفيف هاي خاصي

را براي محصولات خاص ارائه دهند كه مشتريان بيشتري را به خود جلب كند. داده كاوي به موسسات

مالي اطلاعاتي در مورد وام و گزارشگري اعتبار مي دهد. با ساخت يك مدل از داده هاي مشتري تاريخي ،

بانك و موسسه مالي مي توانند وام هاي خوب و بد را تعيين كنند. علاوه بر اين ، داده كاوي به بانك ها كمك

مي كند تا معاملات جعلي كارت اعتباري را براي محافظت از صاحب كارت اعتباري شناسايي كنند. با استفاده

از داده كاوي در داده هاي مهندسي عملياتي ، توليد كنندگان مي توانند تجهيزات معيوب را شناسايي كرده و

پارامترهاي كنترل بهينه را تعيين كنند. به عنوان مثال ، توليدكنندگان نيمه هادي اين چالش را دارند كه حتي شرايط

محيط هاي توليد در كارخانه هاي مختلف توليد ويفر مشابه است ، كيفيت ويفر بسيار يكسان است و برخي به دلايل

نامعلوم حتي داراي نقص هستند. داده كاوي براي تعيين دامنه پارامترهاي كنترلي كه منجر به توليد ويفر طلايي

مي شود مورد استفاده قرار گرفته است. سپس از آن پارامترهاي كنترل بهينه براي توليد ويفر با كيفيت مطلوب

استفاده مي شود.

طراحي سايت