تجارت الكترونيكي تجارت الكترونيكي .

تجارت الكترونيكي

سلسله مراتبي از انتخاب ها

سلسله مراتبي از انتخاب ها

هدف داده كاوي توليد دانش جديدي است كه كاربر بتواند بر اساس آن كار خود را جلو برد. اين كار بوسيله ساختن مدلي از جهان واقعي بر پايه داده هايي كه از منابع گوناگون بدست مي آيد صورت گيرد كه اين منابع مي تواند شامل تراكنشهاي هماهنگ, تاريخ مربوط به هر مشتري, اطلاعات نمايش گرافيكي, داده كنترل فرآيند و پايگاه داده هاي مرتبط خارجي مانند اطلاعات اعتبار اداري و ... باشد. نتيجه مدل سازي يك سري توضيحات در مورد الگوها و ارتباطات داده اي كه مي تواند به صورت مطمئني جهت پيش بيني آينده مورد استفاده قرار گيرد.

براي جلوگيري از سرگرداني در مراحل مختلف داده كاوي ايجاد تصويري از سلسله مراتبي از انتخابات و تصميم ها كه نياز مند آن هستيد در ذهن قبل از شروع كار به شما كمك خواهد كرد:

- هدف كار

- نوع پيش بيني

- نوع مدل انتخابي

- الگوريتم

- محصول

 


برچسب: ،
ادامه مطلب
امتیاز:
 
بازدید:
+ نوشته شده: ۳۱ فروردين ۱۳۹۵ساعت: ۰۵:۰۱:۲۴ توسط:الهام نادري موضوع:

مزاياي پايگاه داده

اغلب تصميم گيري در مورد كار با قوانيني كه شما كشف كرده ايد دشوار است.به عنوان مثال در يك نقشه خريد براي مشتريان در يك فروشگاه قراردادن تمام اجناس مرتبط منطقي به صورت فيزيكي در كنار يكديگر ممكن است ارزش كامل سبد خريد را كاهش دهد – مشتريان ممكن است در مجموع ارزش كمتري خريد كنند چون آنها بر خلاف نقشه خريد مورد نظر شما در حين راه رفتن در مغازه اجناس مورد دلخواه خود را خريد مي كنند. در چنين حالتي تقريب و تحليل ارتباطات معمولا براي بدست آوردن هر گونه سودي از قوانين مرتبط با هم مورد نياز خواهد بود.

روشهاي گرافيكي مي توانند در نمايش ساختار ارتباطات نقش داشته باشند. در شكل زير هر يك از دواير يك مقدار يا يك رويداد را نمايش مي دهد. خطوط ارتباطي ميان اين دايره ها يك ارتباط را نشان مي دهند. خطوط كلفت تر ارتباطات قوي تر و فراوان تري را نمايش مي دهند.[4]

 

 


برچسب: ،
ادامه مطلب
امتیاز:
 
بازدید:
+ نوشته شده: ۳۱ فروردين ۱۳۹۵ساعت: ۰۵:۰۰:۳۰ توسط:الهام نادري موضوع:

نمونه اي از پايگاه داده

 

بنابراين ما مي بينيم كه احتمال اينكه يك خرنده چكش ميخ هم بخرد(30%) بيشتر از احتمال آن است كه فردي كه ميخ مي خرد چكش هم بخرد(19%).ارتباط چكش و ميخ به اندازه اي بزرگ است كه يك قانون با معني باشد.

Lift(نسبتا پيشرفت) يكي از معيارهاي اندازه گيري قدرت يك ارتباط است.هر چه lift بزرگتر باشد تاثير اتفاقات A بر احتمال اينكه B اتفاق بيفتد بيشتر است.lift بصورت نسبت

(اطمينان A=>B) تقسيم بر فراواني B محاسبه مي شود:

براي مثال ما:

Lift "چكش=>ميخ" :3.75

Lift " چكش و ميخ =>تخته ":16.5

الگوريتمهاي ارتباط اين قوانين را با معادل مرتب سازي داده هنگام شمارش دفعاتي كه مي توانند درصد اطمينان و موجودي را محاسبه كنند مي يابد. اثراتي كه هر يك از اين قوانين مي توانند داشته باشند يكي از معيارهاي تفاوت اين الگوريتم هاست. اين معيار مهم است زيرا كه نتايج تركيبي بسيار زيادي از تعداد بي شماري از قوانين بدست مي آيد حتي براي سبد هاي خريد. برخي از الگوريتمها يك پايگاه داده از قوانين, فاكتورهاي ايمن, و فراهم آوردن امكان جستجو(براي مثال تمام ارتباطاتي كه در آن كلمه بستني در قوانين به عنوان نتيجه آمده و فاكتوري برابر 80%را دارند نشان بده)را ايجاد مي نمايند.


برچسب: ،
ادامه مطلب
امتیاز:
 
بازدید:
+ نوشته شده: ۳۱ فروردين ۱۳۹۵ساعت: ۰۴:۵۹:۴۰ توسط:الهام نادري موضوع:

مثالي از پايگاه داده

فرض كنيد پايگاه داده فرضي مان رابه صورت زير و با جزئيات بيشتر براي بيان اين مفاهيم در نظر بگيريم:

تمام تراكنشهاي سخت افزار :1000

تعداد تراكنشهايي كه شامل "چكش " مي باشد:50

تعداد تراكنشهايي كه شامل "ميخ" مي باشد:80

تعداد تراكنشهايي كه شامل "تخته " مي باشد:20

تعداد تراكنشهايي كه شامل " ميخ و چكش"مي باشد:15

تعداد تراكنشهايي كه شامل " ميخ و تخته " مي باشد:10

تعداد تراكنشهايي كه شامل " چكش و تخته" مي باشد: 10

تعداد تراكنشهايي كه شامل " چكش و تخته و ميخ " مي باشد:5

حال قادر به محاسبه ايم:

موجودي "ميخ و چكش"=1.5%

موجودي " ميخ و چكش وتخته"=0.5%

درصد اطمينان "چكش=>ميخ"  = 30%

درصد اطمينان " ميخ=> چكش" = 19%

درصد اطمينان " چكش و ميخ=>تخته" = 33%

درصد اطمينان " تخته=> چكش و ميخ " =25%

 


برچسب: ،
ادامه مطلب
امتیاز:
 
بازدید:
+ نوشته شده: ۳۱ فروردين ۱۳۹۵ساعت: ۰۴:۵۸:۴۳ توسط:الهام نادري موضوع:

داده كاوي چيست

براحتي ميتوان نسبت تراكنشهايي را كه شامل مورد يا ليستي ازموارد خاص مي باشد با شمردن آنها تعيين كرد (كه در اطنجا موارد ميخ ها و چكش هامي باشد) را تعيين كرد.تعداد موجود از يك نوع ارتباط خاص كه در يك پايگاه داده به نظر مي رسد را موجودي يا شيوع آن مورد مي گويند.اگر براي مثال گفته شود كه از هر 1000 تراكنش 15 تاي آن شامل "ميخ و چكش" مي باشد موجودي اين ارتباط 1.5%خواهد بود.يك موجودي كم(مثلا يك در ميليون) مي تواند بيانگر اين باشد كه ان ارتباط خاص در پايگاه داده چندان مهم نيست.

براي كشف قوانين معنا دار ما بايد به فراواني متناسب دفعات اتفاق موارد و تركيباتشان نيز بنگريم.باداشتن تعداد دفعات اتفاق مورد A مورد B چند بار اتفاق مي افتد؟به عبارت ديگر سوال اين است كه ببينيم "هنگامي كه مردم يك چكش مي خرند چه تعداد از اين افراد ميخ هم مي خرند؟ عبارت ديگر براي اين پيش بيني شرطي اطمينان نام دارد.


برچسب: ،
ادامه مطلب
امتیاز:
 
بازدید:
+ نوشته شده: ۳۱ فروردين ۱۳۹۵ساعت: ۰۴:۵۷:۵۱ توسط:الهام نادري موضوع:

داده كاوي موفق

 

داده كاوي موفق:

دو نكته براي موفق بودن يك داده كاوي وجود دارد. اول اينكه يك فرموله سازي دقيق از مساله اي است كه شما بايد حل كنيد. دومين نكته استفاده از داده صحيح است. پس از انتخاب داده اي كه در دسترس شماست يا شايد خريد داده خارجي شما ممكن است نيازمند شويد آن را به روشهايي انتقال داده يا دسته بندي كنيد.

تحليل ارتباطات:

تحليل ارتباط يك رهيافت توصيفي براي اكتشاف داده است كه مي تواند به مشخص سازي ارتباطات ميان مقادير در پايگاه داده كمك نمايد.دو رهيافت عام براي رسيدن به تحليل ارتباطي اكتشاف ارتباطي و اكتشاف توالي مي باشد.اكتشاف ارتباطات قوانيني را در مورد مواردي را كه بايد با هم در يك رويداد ظاهرشوند مانند تراكنش خريد را مي ِابد.تحليل سبد عرضه يك نمونه شناخته شده از كشف ارتباط مي باشد.كشف توالي بسيبار شبيه كشف ارتباط است با توجه به اين نكته كه در اينجا توالي يك ارتباط است كه در طول يك بازه زماني صورت مي گيرد.

ارتباطات به صورت A=>B نوشته مي شود كه به A مقدم يا طرف سمت چپ و به B تالي يا طرف سمت راست مي گويند.براي مثال در قانون ارتباطي "اگر مردم يك چكش بخرند آنگاه مي توانند ميخ بخرند" جمله مقدم "خريد چكش" و جمله تالي "خريد ميخ" مي باشد.


برچسب: ،
ادامه مطلب
امتیاز:
 
بازدید:
+ نوشته شده: ۳۱ فروردين ۱۳۹۵ساعت: ۰۴:۵۶:۳۲ توسط:الهام نادري موضوع:

كاربردهاي داده كاوي

داده كاوي در اين زمينه داراي الگوريتم هاي نسبتا جديدي مانند شبكه عصبي و درخت تصميم  ورهيافت هاي جديدي براي الگوريتم هاي قديميتر مانند الگوريتم هاي تفكيك كننده دارد.

نكته مهم آنكه داده كاوي كاربرد اين تكنيكها را براي مسائل تجاري مشابه بالا به طريقي كه اين تكنيكها را براي كاربر خبره دانش و آمارگير متخصص قابل دسترس سازد استفاده مي شود.

كاربردهاي داده كاوي       

داده كاوي به سرعت در حال محبوبيت است به خاطر كمك هاي اساسي آن.

سازمانهاي زيادي در حال استفاده از داده كاوي براي كمك به مديريت تمام فازهاي ارتباط با مشتري شامل به دست آوردن مشتريان جديد, افزايش سود از طريق مشتريان موجود و حفظ كردن مشتريان خوب هستند.با تعيين مشخصات يك مشتري خوب يك شركت مي تواند با همان مشخصات اهداف آينده خويش را پيش بيني كند. با پرونده سازي براي مشتري كه يك محصول خاص را خردي مي نمايد اين شركت مي تواند توجه خود را به مشتريان مشابهي كه از اين محصول خريد نكرده اند معطوف دارد با پرونده سازي براي مشترياني كه اين سازمان را ترك كرده اند يك شركت مي تواند مشترياني را كه خطر رفتن آنها نيز وجود دارد را نگه دارد چرا كه نگهداري يك مشتري موجود بسيار كم هزينه تر از بدست آوردن يك مشتري جديد هزينه مي برد. داده كاوي ارزشهايي را از طريق بررسي يك طيف وسيعي از كارخانه ها پيشنهاد مي كند.شركتهاي ارتباطات از راه دور و كارت هاي اعتباري دو شاخه بزرگ در استفاده از داده كاوي براي تشخيص استفاده كلاه بردارانه از خدمات آنها مي باشند. شركتهاي بيمه و درآمد هم علاقمند به استفاده از اين تكنولوژي براي كاهش كلاه برداري مي باشند. كاربردهاي دارويي نواحي مفيد ديگري هستند كه داده كاوي در آنها دست دارد داده كاوي مي تواند براي تشخيص تاثير اعمال جراحي, آزمايش هاي دارويي ودرمان استفاده گردد. شركتهايي كه در خريد و فروشهاي مالي فعاليت مي كنند از داده كاوي براي تعيين شاخصه هاي بازار و صنعت براي تشخيص كارايي درآمد استفاده مي كنند. خرده فروشها از داده كاوي براي تصميم در مورد اينكه كدام محصول در فروشگاه ها در آمد زاست به منظور دسترسي به ارتقاي كيفيت كار خود استفاده بيشتري مي نمايند. شركتهاي دارويي در حال كاوش پايگاههاي داده بزرگي از تركيبات شيميايي و مواد ژنتيكي براي كشف مواد كه مي توانند گزينه خوبي براي ساخت به عنوان دارو باشند.[1]


برچسب: ،
ادامه مطلب
امتیاز:
 
بازدید:
+ نوشته شده: ۳۱ فروردين ۱۳۹۵ساعت: ۰۴:۵۶:۰۰ توسط:الهام نادري موضوع:

داده كاوي , آمار و يادگيري ماشين

داده كاوي و OLAP:

يكي از سوالهاي رايج در ميان متخصصان پردازش داده در مورد تفاوت ميان داده كاوي وOLAP(پردازش آناليزي on-line) .

Olap قسمتي از قالب ابزارهاي تصميم گيري است. پرس وجو هاي سنتي و ابزارهاي گزارش گيري كه چه چيزي در داخل يك پايگاه داده است.olap از اين فراتر ميرود و براي جواب دادن به علت درستي برخي موارد استفاده دارد.

داده كاوي , آمار و يادگيري ماشين

داده كاوي فوايدي  از پيشرفتهاي رشته هوش مصنوعي را در خود جاي داده است كه هم شامل قواعدي براي مسائل تشخيص الگو و طبقه بندي مي باشد وهم ارتباطاتي كه از طريق كاربرد شبكه هاي عصبي و درختهاي تصميم گيري براي فهم مسائل صورت مي گيرد مي باشد.


برچسب: ،
ادامه مطلب
امتیاز:
 
بازدید:
+ نوشته شده: ۳۱ فروردين ۱۳۹۵ساعت: ۰۴:۵۵:۲۳ توسط:الهام نادري موضوع:

داده كاوي و انبار داده ها

اگر چه يك ابزار خوب براي داده كاوي شما را از پيچيدگي هاي تكنيكهاي آماري راحت مي سازد اما به شما براي فهميدن كار هاي ابزاري كه انتخاب كرده ايد و همچنين الگوريتمهايي كه بر پايه آن كار مي كند نيازمند است. انتخابي كه شما براي ابزار مورد نياز انجام مي دهيد و بهينه سازي هايي را كه شما انجام مي دهيد در دقت و سرعت كار بسيار تاثير دارد.[2]

داده كاوي و انبار داده ها :

اغلب داده اي كه مورد كاوش قرار مي گيرد ابتدا از يك انبار داده آماده شده به داخل يك پايگاه داده كاوي سرازير مي شود. اين كار مزاياي زيادي دارد. پايگاه داده كاوي مي تواند به جاي يك انبار فيزيكي داده يك انبار منطقي از داده ها باشد. به شرط آنكه انبار دادهDBMS بتواند دامنه هاي منابع اضافي از داده كاوي را نيز پوشش دهد. روند شرح داده شده در شكل زير آمده است:


برچسب: ،
ادامه مطلب
امتیاز:
 
بازدید:
+ نوشته شده: ۳۱ فروردين ۱۳۹۵ساعت: ۰۴:۵۴:۵۰ توسط:الهام نادري موضوع:

داده كاوي بطور اتوماتيك

داده كاوي بطور اتوماتيك و بدون رهنمايي قادر به كشف راه حل ها نيست. شما ترجيحا به جاي بيان يك هدف مبهم مانند "كمك به ارتقاي پاسخ دهي به در خواست ها mail من " شما بايد از داده كاوي براي يافتن خصيصه هاي افرادي كه

(1): به درخواست هاي شما پاسخ مي دهند

(2): به درخواست هاي شما پاسخ داده و خريد زيادي مي كنند

استفاده كنيد. الگو هايي كه داده كاوي براي يافتن به اين دو هدف استفاده مي كنند متفاوت است.


برچسب: ،
ادامه مطلب
امتیاز:
 
بازدید:
+ نوشته شده: ۳۱ فروردين ۱۳۹۵ساعت: ۰۴:۵۳:۵۸ توسط:الهام نادري موضوع: