پروژه داده کاوی با نرم افزار رپیدماینر (Rapid Miner)یکشنبه 02, سپتامبر 2018
پروژه داده کاوی با نرم افزار رپیدماینر (Rapid Miner)
همیارپروژه پروژه ای را در حوزه داده کاوی و هوش مصنوعی بصورت سفارشی نوشته است که از کیفیت قابل قبول به همراه توضیحات و گزارش کامل برخوردار است .شما عزیزان می توانید این پروژه را با قیمتی مناسب دانلود نمایید.
توضیح مسئله:
در این تمرین قصد داریم تا روش های بانظارت مانند دسته بندی را با روشهای بی نظارت ترکیب کنیم. سناریوی مد نظر ما استفاده از روش های بی نظارت برای غنی تر کردن داده ها برای دسته بندی است. شکل زیر این سناریو را نشان میدهد.
با توجه به شکل بالا، قصد داریم تا از برچسب هایی که از مرحله خوشه بندی بدست می آید برای غنی کردن داده ها استفاده کنیم. به این منظور داده های اصلی را به یک الگوریتم خوشه بندی میدهیم. سپس برچسب خوشه ها را به عنوان یک ویژگی به داده های اصلی اضافه کرده و یک دیتاست جدید را تولید میکنیم.
آنگاه این دیتاست جدید را به دسته بند میدهیم و دقت دسته بندی را بررسی میکنیم. به این منظور برای دسته بندی از روش درخت تصمیم استفاده میکنیم و برای خوشه بندی از چندین روش متفاوت جهت بررسی عملکرد آنها استفاده شده است.
تفسیر داده ها:
برای این تمرین از داده های سایت UCI استفاده کرده ایم که مربوط به بحث تصاویر ماهواره ای است.. لینک زیر مسیر داده ها را نشان میدهد.
https://archive.ics.uci.edu/ml/datasets/Statlog+%28Landsat+Satellite%29
مشخصات کلی این دیتاست در شکل زیر آورده شده است:
پیاده سازی:
ساختار پیاده سازی برای مسئله مد نظر در نرم افزار رپیدماینر به صورت زیر است:
که برای بحث دسته بندی در باکس های Validation از درخت تصمیم برای ارزیابی مدل و روش پیشنهادی استفاده کرده ایم. از سایر روش های دسته بندی مانند شبکه عصبی، بیز ساده و نزدیک ترین همسایگی نیز میتوان استفاده کرد که ما در این تمرین فقط از روش درخت تصمیم استفاده کرده ایم.
بقیه توضیحات به همراه پیاده سازی در نرم افزار رپیدماینر را بعداز خرید این پروژه میتوانید دریافت نمایید.
این پروژه که توسط تیم همیارپروژه نوشته شده به همراه توضیحات و فیلم آموزشی نیز می باشد.
جهت خرید این پروژه برروی لینک خرید کلیک نمایید.