کتاب آشنایی با مفاهیم و تکنیک های داده کاوی به صورت PDF فارسی

فهرست مطالب کتاب آشنایی با مفاهیم و تکنیک های داده کاوی

فصل اول: مقدمه

• ۱استخراج دانش
• ۲انواع داده ها جهت داده کاوی
• ۳داده کاوی و تکنیک های آن
• ۴قوانین انجمنی
• ۵طبقه بندی
• ۶خوشه بندی
• ۷چالش های داده کاوی
• ۸سازماندهی کتاب
• ۹خلاصه فصل
• ۱۰مراجع و منابع جهت مطالعه بیشتر

فصل دوم: آماد سازی داده ها

• ۱انواع داده ها و خصوصيات آنها
• ۲متغیرهای کمّی
• ۳متغیرهای کیفی
• ۴ابعاد بالای داده ها
• ۵آمار
• ۶شاخص های مرکزی
• ۷میانگین
• ۸میانه
• ۹نما یا مُد
• ۱۰شاخص های پراکندگی
• ۱۱دامنه تغییرات و میانگین انحرافات
• ۱۲انحراف چارکی
• ۱۳واریانس و انحراف استاندارد
• ۱۴کوواریانس و ضریب همبستگی
• ۱۵توزیع نرمال
• ۱۶لزوم آماده سازی داده ها
• ۱۷تکنیک های آماده سازی داده ها
• ۱۸پالایش داده ها
• ۱۹تحلیل داده های خارج از محدوده
• ۲۰دسته بندی داده ها
• ۲۱خوشه بندی
• ۲۲رگرسیون
• ۲۳جمع آوری داده ها
• ۲۴تغییر شکل داده ها
• ۲۵کاهش داده ها
• ۲۶کاهش صفات خاصه
• ۲۷بررسی صفات خاصه بصورت مجزا برای کاهش ابعاد
• ۲۸محاسبه آنتروپی برای رتبه بندی صفات خاصه
• ۲۹الگوریتم تحلیل مولفه های اصلی (PCA)
• ۳۰کاهش نمونه ها
• ۳۱تکنیک های نمونه گیری
• ۳۲کاهش مقادیر یک صفت خاصه
• ۳۳روش آماری کای دو
• ۳۴گسسته سازی مبتنی بر آنتروپی
• ۳۵خلاصه فصل
• ۳۶مراجع و منابع جهت مطالعه بیشتر

فصل سوم: انبار داده ها و تکنولوژی OLAP

• ۱سیستم های تصمیم ساز
• ۲تحلیل داده ها و OLAP
• ۳OLAP
• ۴پیاده سازی OLAP
• ۵انبارسازی داده ها
• ۶شِما های انبار داده ها
• ۷خلاصه فصل
• ۸مراجع و منابع جهت مطالعه بیشتر

فصل چهارم: الگوهای مکرر و قوانین انجمنی

• ۱تحلیل سبد خرید
• ۲قوانین انجمنی
• ۳تولید الگوهای مکرر
• ۴الگوریتم Apriori
• ۵بهبود کارایی الگوریتم Apriori
• ۶الگوریتم FP-Growth
• ۷تولید قوانین انجمنی
• ۸پایگاه داده تراکنشی و قالب های متفاوت داده ها
• ۹مجموعه اقلام ماکسیمال و بسته
• ۱۰خلاصه فصل
• ۱۱مراجع و منابع جهت مطالعه بیشتر

فصل پنجم: مباحث پیشرفته در قوانین انجمنی

• ۱ارزیابی قوانین انجمنی
• ۲نکاتی پیرامون معیار پشتیبان
• ۳الگوهای غیرمکرر
• ۴الگوهای منفی و الگوهایی با همبستگی منفی
• ۵تکنیک هایی برای کاوش الگوهای غیرمکرر
• ۶تکنیک های مبتنی بر کاوش الگوهای منفی
• ۷تکنیک های مبتنی بر مقدار پشتیبان
• ۸انواع دیگری از قوانین انجمنی
• ۹صفات گسسته و قوانین انجمنی
• ۱۰قوانین انجمنی مقداری
• ۱۱سلسله مراتب مفهومی و قوانین انجمنی
• ۱۲توالی ها
• ۱۳کاوش توالی های مکرر
• ۱۴خلاصه فصل
• ۱۵مراجع و منابع جهت مطالعه بیشتر

فصل ششم: طبقه بندی داده ها

• ۱مفاهیم و تعاریف اولیه
• ۲اندازه گیری خطای روش تخمین
• ۳ارزیابی مدل
• ۴تکنیک Holdout
• ۵تکنیک Random Subsampling
• ۶تکنیک k-fold cross-validation
• ۷تکنیک Bootstrap
• ۸روش های مقایسه مدل ها
• ۹تخمین فاصله اطمینان
• ۱۰مقایسه عملکرد دو مدل
• ۱۱روشی دیگر برای تخمین فاصله اطمینان
• ۱۲منحنی ROC
• ۱۳استفاده از چند مدل
• ۱۴Bagging
• ۱۵Boosting
• ۱۶معیارهای دیگر جهت ارزشیابی روش ها
• ۱۷خلاصه فصل
• ۱۸مراجع و منابع جهت مطالعه بیشتر

فصل هفتم: روش های طبقه بندی و تخمین

• ۱درخت های تصمیم
• ۲معیارهای انتخاب صفت خاصه
• ۳معیار Information Gain
• ۴معیار Gini Index
• ۵معیار Gain Ratio
• ۶معیار Likelihood Ratio
• ۷معیار DKM
• ۸چند موضوع دیگر در مورد درختان تصمیم
• ۹چند الگوریتم درخت تصمیم
• ۱۰الگوریتم ID3
• ۱۱الگوریتم C4.5
• ۱۲الگوریتم CART
• ۱۳الگوریتم CHAID
• ۱۴طبقه بندی با کمک قانون بیز
• ۱۵روش های طبقه بندی مبتنی بر یافتن شروط
• ۱۶الگوریتم های یادگیری قوانین
• ۱۷معیارهای سنجش قوانین
• ۱۸بهینه نمودن قوانین
• ۱۹الگوریتم های SVM
• ۲۰تفکیک پذیری خطی
• ۲۱تفکیک پذیر غیرخطی
• ۲۲طبقه بندی براساس تشابه نزدیک
• ۲۳الگوریتم K نزدیکترین همسایه (KNN)
• ۲۴رگرسیون
• ۲۵رگرسیون خطی
• ۲۶رگرسیون غیرخطی و دیگر رگرسیون ها
• ۲۷روش های دیگر برای طبقه بندی
• ۲۸شبکه های عصبی
• ۲۹الگوریتم های ژنتیک
• ۳۰مجموعه های فازی
• ۳۱خلاصه فصل
• ۳۲مراجع و منابع جهت مطالعه بیشتر

فصل هشتم: خوشه بندی

• ۱اهمیت و انگیزه خوشه بندی
• ۲الگوریتم های خوشه بندی
• ۳معیارهای تشابه و انواع داده ها
• ۴معیارهای تشابه در داده های پیوسته
• ۵معیارهای تشابه در داده های دودویی (باینری)
• ۶معیارهای تشابه در داده های کیفی
• ۷تکنیک های خوشه بندی مبتنی بر افراز داده ها
• ۸الگوریتم k-Means
• ۹الگوریتم k-Medoids
• ۱۰الگوریتم های دیگر مبتنی بر افراز داده ها
• ۱۱تکنیک های خوشه بندی سلسله مراتبی
• ۱۲معیارهای تشابه میان خوشه ها
• ۱۳انتخاب دو نمونه با کمترین تشابه
• ۱۴میانگین تشابه (عدم تشابه) میان زوج نمونه ها
• ۱۵روش های مبتنی بر نمایندگان خوشه ها
• ۱۶الگوریتم BIRCH
• ۱۷الگوریتم CURE
• ۱۸الگوریتم ROCK
• ۱۹الگوریتم Chameleon
• ۲۰الگوریتم DIANA
• ۲۱خلاصه فصل
• ۲۲مراجع و منابع جهت مطالعه بیشتر

فصل نهم: مباحث پیشرفته در خوشه بندی

• ۱تکنیک های مبتنی بر تراکم
• ۲الگوریتم DBSCAN
• ۳الگوریتم OPTICS
• ۴الگوریتم DENCLUE
• ۵تکنیک های مبتنی بر گرید
• ۶الگوریتم STING
• ۷الگوریتم CLIQUE
• ۸تکنیک های خوشه بندی مبتنی بر مدل
• ۹الگوریتم EM
• ۱۰خوشه بندی مفهومی
• ۱۱یافتن الگوهای مکرر و خوشه بندی
• ۱۲استفاده از محدودیت ها در خوشه بندی
• ۱۳ارزشیابی روش های خوشه بندی
• ۱۴بررسی ساختار داده ها
• ۱۵تعداد خوشه ها
• ۱۶سنجش کیفیت خوشه بندی
• ۱۷خلاصه فصل
• ۱۸مراجع و منابع جهت مطالعه بیشتر

فصل دهم: مباحثی چند در داده کاوی

• ۱چند مثال کاربردی در داده کاوی
• ۲داده کاوی و بانکداری
• ۳داده کاوی و فروشگاه ها
• ۴داده کاوی و مخابرات
• ۵داده کاوی و بیوانفورماتیک
• ۶نکاتی در مورد محصولات تجاری داده کاوی
• ۷موضوعاتی چند جهت چگونگی انتخاب یک سیستم
• ۸چند بسته نرم افزاری داده کاوی
• ۹شکل های دیگری از داده کاوی
• ۱۰متن کاوی
• ۱۱وب کاوی
• ۱۲گراف کاوی
• ۱۳کاوش در داده های چند رسانه ای
• ۱۴داده کاوی مکان محور
• ۱۵خلاصه فصل
• ۱۶مراجع و منابع جهت مطالعه بیشتر