گسسته سازی در داده کاوی

گسسته سازی در داده کاوی

آکادمی داده

۱۳۹۷/۰۳/۲۸


  • 303 بازدید

 در گسسته سازی واقع هدف تبدیل داده های عددی به نوع اسمی است.  با این عمل  مقادیرعددی  یک صفت خاصه به چندین بازه  تقسیم می شود.  برای مثال  فرض کنید ستونی از داده های شما نشان دهنده ی سن افراد است و نوع این صفت خاصه نیزعددی تعریف شده است. با عمل گسسته سازی شما می توانید این اعداد را به چندین بازه تقسیم کنید و برای هر بازه نامی را در نظر بگیرید. برای مثال کلیه افراد زیر 20 سال را در یک بازه و افراد بزرگتر از 20 سال را در بازه دیگری قرار دهید. بدین طریق شما محدوده ای از اعداد را در 2 بازه قرار داده اید که می توانید با نام های جوان و میانسال آن را جایگزین کنید. بنابراین با این کار داده های عددی را به نوع اسمی تبدیل کرده اید. برخی از الگوریتم های داده کاوی یا گسسته سازی کاراتر عمل می کنند. در ضمن این عمل برای نمایش قابل فهم داده ها نیز مفید است.

درعملیات گسسته سازی داده هدف آن است که نوع ویژگی های بازه ای و نرخی  به نوع اسمی تبدیل شوند. این کار به این منظور صورت می پذیرد که در مسائل پیچیده داده کاوی (که در آنها داده های با انواع ویژگی های گوناگون و همچنین تعداد بالای رکوردها و ویژگیها وجود دارند) با گسسته سازی داده، سختی مسأله را کاهش داده و زمینه لازم را برای عملکرد مؤثرتر الگوریتم های یادگیری مدل فراهم آوریم.

آموزش گام به گام داده کاوی با رپید ماینر، اسماعیلی

اگر به پژوهش در حوزه داده کاوی علاقه مند هستید توصیه می شود حتما مجموعه بی نظیر پانصد مقاله فارسی در زمینه داده کاوی  و مجموعه های مشابه آن  و مقالات مرتبط با کاربرد داده کاوی در پیش بینی بیماری را تهیه بفرمایید.

اگر در زمینه متن کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.  

افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.