داده کاوی با WEKA

معرفی

در این دوره سعی خواهد شد ابتدا نسبت به تشریح رویکردهای یادگیری آماری از قبیل: Supervised and Unsupervised Learning اقدام گردد. سپس مبانی آماری روشهای مرسوم در کلاسه بندی (Classification) از قبیل الگوریتم های پارامتریک و ناپارامتریک مورد بحث قرار خوا ... هد گرفت. در ادامه دانش پذیران با محیط نرم افزار WEKA آشنا شده و سعی خواهد شد با بهره گیری از مجموعه داده های کاربردی، الگوریتمهای کلاسه بندی فرا گرفته شده، در محیط نرم افزار پیاده شده و مورد تحلیل قرار گیرد. نرم افزار WEKA را می‌توان یک ابزار پیشرفته داده‌کاوی (Data Mining) برشمرد. این نرم‌افزار شامل مجموعه‌ای از ابزار‌های بصری ساز (Visualization)، روش‌های تحلیل داده‌ها و مدل‌های پیش‌بینی و الگوریتم های یادگیری ماشین (Machine Learning) است که در یک رابط گرافیکی گرد هم آمده‌اند تا کاربر بهترین شیوه اجرای دستورات را در اختیار داشته باشد.

فهرست مطالب:

آشنایی با مفهوم یادگیری آماری (Statistical Learning)
آشنایی با مفاهیم پیش بینی، کلاسه کننده، و کلاسه بندی
(Prediction،Classifier، Classification )
استراتژی های تخمین
آشنایی با برخی از روشهای پارامتریک کلاسه بندی
(Parametric Classification Methods)
آشنایی با نرم افزار Weka
آماده سازی داده شامل فیلترها، داده های گمشده, انتخاب ویژگی و ...
پیاده سازی روشهای پارامتریک تشریح شده در نرم افزار

ویژگی ها