داده کاوی با وجود گستردگی ولی با ابهام در تعریف مواجه است. تعاریف متعددی برای داده کاوی ارائه شده است. در ادامه درباره آنچه داده کاوی نیست سخن گفته می شود. 

آمارهای توصیفی داده کاوی نیست!

فهم این که، داده کاوی چیست؟ خود یکی از موضوعات داغ در حوره داده کاوی است. باید توجه داشت که برای داده کاوی ممکن است از روش های بسیاری بهره گرفته شود. در بین این روش ها، روش های آماری ممکن است مورد استفاده قرار گیرند ولی این روش ها داده کاوی نیستند!

به طور مثال: محاسبه متوسط برای داده های عددی یک روش توصیفی آمای است و ارتباطی به داده کاوی ندارد هر چند ممکن است در یک فرآیند داده کاوی از آن استفاده شود.

استفاده از مفاهیم علم آمار برای داده کاوی بسیار مرسوم است به همین دلیل می توان به راحتی با بررسی رزومه های افراد فعال در حوزه داده کاوی فهمید که بسیاری از این افراد دارای تحصیلات آماری یا ریاضی هستند. در واقع داشتن بک گراند آماری برای رسیدن به موقعیت یک تحلیل گر داده بسیار مفید است.

ولی در عین حال باید در نظر گرفت که برای یک انجام یک فرآیند داده کاوی جامع نیاز به داشتن تخصص های دیگری غیز از آشنایی با مفاهیم آمار بود. در تحلیل و بررسی خروجی این روش ها باید دانش تخصصی داده کاوی داشت.

داده کاوی چیست؟

​معرفی منابع برای یادگیری داده کاوی

پرس و جو داده کاوی نیست!

بسیاری از سیستم های اطلاعاتی از داده کاوی بهره می گیرند. سیستم های بازیابی اطلاعات مثل موتورهای جستجوی وب از تکنیک های داده کاوی مانند خوشه بندی استفاده می کنند. این خوشه ها برای ارائه نتایج جستجوی بهتر استفاده می شود. ولی نمی توان این سیستم ها را جزء سیستم های داده کاوی در نظر گرفت. پرس و جو از پایگاه داده و بررسی نتایج حاصل از استخراج داده کاوی ربطی به داده کاوی ندارد بلکه فقط از آن استفاده می کند.

در پایگاه داده ها از پرس و جو برای رسیدن به اطلاعات استفاده می شود به طور مثال با یک پرس و جو می توان از پایگاه داده تعداد مردان حاضر حاضر در کنفرانس را به دست آورد این اطلاعات ربطی به داده کاوی ندارد بلکه یک پرس و جوی ساده از پایگاه داده است. برای داده کاوی نیاز به ایجاد مدل و استفاده از روش های استخراج دانش است. به همین دلیل یک پرس و جوی ساده داده کاوی نیست!

آموزش ابزارِ داده کاوی رپیدماینر

تصویرسازی داده ها داده کاوی نیست!

در فرآیند داده کاوی از روش های بسیاری بهر گرفته می شود. چه در قسمت پیش پردازش، په در قسمت انتخای و استخراج ویژگی چه در قسمت ایجاد مدل و چه در قسمت پس از پردازش ممکن است از روش های مختلفی استفاده گردد. ولی باید توجه داشت که هز یک از این روش ها را نمی توان داده کاوی در نظر گرفت.

به طور مثال : تصویر سازی داده ها و دانش خروجی از فرآیند داده کاوری را نمی توان داده کاوی در نظر گرفت. این تصویر سازی ممکن است در درک بهتر نتایج به کار آید.

تصویر سازی داده و خرجی حاصل از داده کاوی در بسیاری از موارد حیاتی است زیرا ممکن است شما با استفاده از داده کاوی به نتایج ارزشمند برای صاحبان صنایع و تجارت برسید ولی نتوانید آن ها را به خوبی تصویر سازی کنید و درک این نتایج در این صورت به سختی امکان پذیر خواهد شد.

امروزه دهها و صد ها ابزار برای تصویر سازی داده ها استفاده می شود که می توانید لیستی از این ابزار ها را در لینک زیر مشاهده کنید:

http://www.kdnuggets.com/software/visualization.html

​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 داده 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/dataacademy) حضور 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.