فایلود نیو

دانلود جزوه و تحقیقات آموزشی دانشجویی

فایلود نیو

دانلود جزوه و تحقیقات آموزشی دانشجویی

داده کاوی و کاربرد آن درتشخیص بیماری ها


	داده کاوی و کاربرد آن درتشخیص بیماری ها


چکیده:
امروزه در دانش پزشکی جمع آوری داده های فراوان در مورد بیماری های مختلف از اهمیت فراوانی برخوردار است. مراکز پزشکی با مقاصد گوناگونی به جمع آوری این داده ها می پردازند. تحقیق روی این داده ها و به دست آوردن نتایج و الگوهای مفید در رابطه با بیماری ها ، یکی از اهداف استفاده از این داده ها است. حجم زیاد این داده ها و سردرگمی حاصل از آن مشکلی است که مانع رسیدن به نتایج قابل توجه می شود. بنابراین از داده کاوی برای غلبه بر این مشکل و به دست آوردن روابط مفید بین عوامل خطر زا در بیماری ها استفاده می شود.
این مقاله به معرفی داده کاوی وکاربردآن در صنعت پزشکی (پیش بینی بیماری) با استفاده از الگوریتم های داده کاوی به همراه نرم افزارهای مرتبط با آن پرداخته است.
کلمات کلیدی: داده کاوی، درخت تصمیم، پیش بینی بیماری، دیابت

فهرست مطالب:
چکیده
مقدمه
بیان مسئله
هدف تحقیق
موضوع داده کاوی چیست؟
مدیریت ذخیره سازی و دستیابی اطلاعات
تعاریف داده کاوی
کاربردهای داده کاوی
چند مثال در مورد مفهوم داده کاوی
مراحل داده کاوی
شکل 1: مراحل داده کاوی
عناصر داده کاوی
تکنیک های داده کاوی
تکنولوژی های مرتبط با داده کاوی
محدودیت ها
داده کاوی درعرصه ی سلامت
استراتژی های داده کاوی
نمونه هایی از کاربرد های داده کاوی درسلامت
مقایسه الگوریتمهای هوشمند در شناسایی بیماری دیابت
گام های لازم برای طراحی یک درخت تصمیم گیری
جذابیت درختان تصمیم
بازنمایی درخت تصمیم
مسائل در یادگیری درخت تصمیم
مزایای درختان تصمیم نسبت به روش های دیگر داده کاوی
معایب درختان تصمیم
نرم افزارهای داده کاوی
پیاده سازی نرم افزار وکا
شکل 2: نمودار ستونی برای فراوانی مقادیرمختلف ستون ها در بازه هایی با طول یکسان
شکل 4: اجرای الگوریتم Decision Trees
شکل 5: اجرای مدل خوشه بندی
بحث
نتیجه گیری
پیشنهادات
منابع

تعداد مشاهده: 1526 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 41

حجم فایل:1,256 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    مناسب برای دانشجویان مهندسی کامپیوتر و فناوری اطلاعات

  • محتوای فایل دانلودی:
    در قالب فایل word و قابل ویرایش
    به همراه شکل و لیست منابع

پروژه درختان تصمیم گیری و مساله یادگیری


	پروژه درختان تصمیم گیری و مساله یادگیری


چکیده:
یادگیری درخت تصمیم یکی از رایج ترین تکنیک های یادگیری ماشین می باشد که به دلیل سادگی و کارامدی باعث شده است علی رغم مشکلاتی که در استفاده از آن همچون صفات دارای نویز و یا صفات فاقد مقدار یا ... وجود دارد به شکل گسترده ای در مسائل مربوط به یادگیری ماشین استفاده شود. در این تحقیق سعی شده است به مسائل اصلی مطرح در زمینهء درخت طراحی مانند بازنمایی، طراحی، عام سازی و مشکلات و راه کارهای برخورد با آنها که توسعه یافته اند پرداخته شود و همچنین از برخی مسائل غیراصلی مانند درختان رگراسیون، نرم افزارهای آزمایشگاهی و تست آماری χ2  نیز ذکری به میان آید. 

فهرست مطالب:
چکیده    
مقدمه     
1-1- اهداف اصلی درخت‌های تصمیم‌گیری دسته‌بندی کننده    
1-2- جذابیت درختان تصمیم    
1-3- انواع درختان تصمیم    
1-3-1- درختان رگراسیون    
2- بازنمایی درخت تصمیم    
2-1- توسعهء درختان تصمیم با گراف های تصمیم    
3- مسائل مناسب برای یادگیری درخت تصمیم    
4- چه صفتی بهترین طبقه بندی کننده است؟    
4-1-1- بی نظمی همگونی مثال ها را اندازه گیری می کند 
4-1-2- نفع اطلاعات، کاهش مورد انتظار در بی نظمی را اندازه گیری می کند
4-2- یک مثال تشریحی    
4-3- حالت خاصی از ساخت درخت تصمیم    
5- جستجوی فضای فرضیه در یادگیری درخت تصمیم    
5-1- قابلیت ها و محدودیت های الگوریتم ID3    
6- بایاس قیاسی (استنتاجی) در یادگیری درخت تصمیم    
6-1- بایاس های محدودیت و بایاس های ارجحیت    
6-2- چرا فرضیات کوتاهتر را ترجیح می دهیم؟    
7- مسائل در یادگیری درخت تصمیم    
7-1- اورفیتینگ داده ها    
7-2- روشهای موجود برای ممانعت از اورفیتینگ    
7-2-1- انواع روش های هرس کردن    
7-2-1-1- تست chi-Square    
7-2-2- هرس خطای کاهش یافته    
7-2-3- هرس بعدی قانون    
7-3- بکاربردن صفات با مقادیر پیوسته    
7-4- معیارهای دیگر برای انتخاب صفات     
7-5- بکاربردن مثال های آموزشی با صفات فاقد مقدار    
7-6- بکاربردن صفات با هزینه های متفاوت    
8- عام سازی درخت     
8-1- طراحی یک دسته بندی کنندهء درخت تصمیم    
8-2- روش‌های اصلی برای طراحی دسته بندی کنندهء درخت تصمیم    
9- انواع یادگیری در درخت تصمیم گیری    
10- مزایا و معایب درخت تصمیم    
10-1- مزایای درختان تصمیم نسبت به روش های دیگر داده کاوی    
10-2- معایب درختان تصمیم    
11- نرم افزارهای مفید برای درخت تصمیم    
12- الگوریتم یادگیری درخت تصمیم پایه    
13- جمع بندی    
14- لغت نامه     
15- مراجع

تعداد مشاهده: 2707 مشاهده

فرمت فایل دانلودی:.doc

فرمت فایل اصلی: doc

تعداد صفحات: 45

حجم فایل:755 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    مناسب برای دانشجویان رشته مهندسی کامپیوتر



  • محتوای فایل دانلودی:
    در قالب فایل word و قابل ویرایش
    به همراه اشکال و نمودارها