(۲۲ خرداد ۱۳۹۲ ۰۵:۵۱ ب.ظ)ghaderiyaser نوشته شده توسط: معیارهای ارزیابی توسط شخص خبره تعیین و توسط داده کاو فرموله می شوند. پایگاه داده یا همون dataset مشکل اصلی که چه جوری گیر بیان. حالا بعد نیست من اینو مطرح کنم که من می خوام در هفتمین کنفرانس داده کاوی که تو دانشگاه امیرکبیر برگزار میشه مقاله بدم الگه کسی یا کسانی هستن بگن که هم گروهی انجام بشه هم هزینه های کنفرانس تقسیم بر تعداد بشه من خوشحال میشم کسی اگه بخواد.البته یه نحو ارزیابی میشه مقایسه با نتایجی که توسط محققان قبلی تولید شده، که اگر روش ما نتایج بهینه تری تولید کرده باشه اثبات کنه روش ما بهتره، معیار ارزیابی هم قطعا بر اساس تابع برازشی خواهد بود که بصورت استاندارد در مقاله های مختلف مورد استفاده قرار گرفته
در مورد اون پستی که فرمودین الگوریتم های داده کاوی دو دسته هستن، من حدس می زنم دسته بندی رو نشه یک روش کلی در نظر گرفت، در واقع دسته بندی خودش یک جزء کوچک تر از دسته الگوریتم های پیش بینی هستش، که الگوریتم های پیش بینی علاوه بر دسته بندی شامل "رگرسیون" و "تشخیص انحراف" هم میشه، که به این روش های پیش بینی تو بعضی مراجع " یادگیری با نظارت" یا در اصطلاح لاتین Supervised learning میگن
این کنفرانسی که می فرمایین تاریخش کی هست؟ من با کمال میل حاضرم برام باعث افتخاره اگر صلاح بدونید
(۲۲ خرداد ۱۳۹۲ ۰۵:۵۱ ب.ظ)ghaderiyaser نوشته شده توسط: حالا بعد نیست من اینو مطرح کنم که من می خوام در هفتمین کنفرانس داده کاوی که تو دانشگاه امیرکبیر برگزار میشه مقاله بدم الگه کسی یا کسانی هستن بگن که هم گروهی انجام بشه هم هزینه های کنفرانس تقسیم بر تعداد بشه من خوشحال میشم کسی اگه بخواد.اگر براتون ممکنه بگید درباره چه موضوعی دارید کار می کنید؟و چطوری تقسیم کار می کنید؟
(۲۲ خرداد ۱۳۹۲ ۱۰:۱۹ ب.ظ)Lonely Palm نوشته شده توسط: در واقع دسته بندی خودش یک جزء کوچک تر از دسته الگوریتم های پیش بینی هستش، که الگوریتم های پیش بینی علاوه بر دسته بندی شامل "رگرسیون" و "تشخیص انحراف" هم میشه، که به این روش های پیش بینی تو بعضی مراجع " یادگیری با نظارت" یا در اصطلاح لاتین Supervised learning میگنمن هم با شما موافقم.چون در بیشتر جاهایی که خوندم همینطور ذکر شده بود.
من می خوام روشی ارائه بدم که ابتدا قوانین وابستگی رو از داده های مربوط به بیماری سرطان استخراج و ۱۰۰ تای اول رو به الگوریتم تکاملی بدم و نتیجه رو با تابع های فیتنس مختلف بدست آورده و مقایسته کنم.
یکسری مخازن داده هست که آدرسهاشونو می نویسم.لطفا نظراتتون رو راجع بهشون بگید.آیا میشه از آنها استفاده کرد؟
۱-http://www.ics.uci.edu/mlearn/mlrepository.html
۲-http://www.istat.it
۳-http://www.personal.buseco.monash.edu.au/hyndman/tsdl
۴-http://lib.stat.cmu.edu/datasets
۵-http://www.cs.toronto.edu/delve/data/datasets.html
لطفا اگه کسی با آنها کار کرده و به مزایا و معایب آنها آشناست برای ما توضیح دهد.متشکرم
برای چه کاری؟ مقاله؟ یا کار خودتون. من برای مقاله از بیمارستان های مختلف داده جمع می کنم که جمع آوری شون یکم سخته ولی ارزشمنده
(۲۲ خرداد ۱۳۹۲ ۱۰:۴۷ ب.ظ)ghaderiyaser نوشته شده توسط: من می خوام روشی ارائه بدم که ابتدا قوانین وابستگی رو از داده های مربوط به بیماری سرطان استخراج و ۱۰۰ تای اول رو به الگوریتم تکاملی بدم و نتیجه رو با تابع های فیتنس مختلف بدست آورده و مقایسته کنم.۱- قوانین چطوری تولید می شوند؟
۲- تابع های فیتنس چی هستند؟چطوری استفاده می شوند؟
(۲۲ خرداد ۱۳۹۲ ۱۱:۰۲ ب.ظ)banou نوشته شده توسط:(22 خرداد ۱۳۹۲ ۱۰:۴۷ ب.ظ)ghaderiyaser نوشته شده توسط: من می خوام روشی ارائه بدم که ابتدا قوانین وابستگی رو از داده های مربوط به بیماری سرطان استخراج و ۱۰۰ تای اول رو به الگوریتم تکاملی بدم و نتیجه رو با تابع های فیتنس مختلف بدست آورده و مقایسته کنم.۱- قوانین چطوری تولید می شوند؟
۲- تابع های فیتنس چی هستند؟چطوری استفاده می شوند؟
ایشالا مقاله اش آماده شد تو مانشت میزارم
(۲۲ خرداد ۱۳۹۲ ۱۱:۰۲ ب.ظ)ghaderiyaser نوشته شده توسط: برای چه کاری؟ مقاله؟ یا کار خودتون. من برای مقاله از بیمارستان های مختلف داده جمع می کنم که جمع آوری شون یکم سخته ولی ارزشمندهبرای پایان نامه ام میخوام.
پیشنهاد میکنم با داده های داخلی کار کنید مربوط به ایران
(۲۲ خرداد ۱۳۹۲ ۱۱:۰۴ ب.ظ)ghaderiyaser نوشته شده توسط: ایشالا مقاله اش آماده شد تو مانشت میزارم
(۲۲ خرداد ۱۳۹۲ ۱۰:۱۹ ب.ظ)Lonely Palm نوشته شده توسط: البته یه نحو ارزیابی میشه مقایسه با نتایجی که توسط محققان قبلی تولید شده، که اگر روش ما نتایج بهینه تری تولید کرده باشه اثبات کنه روش ما بهتره، معیار ارزیابی هم قطعا بر اساس تابع برازشی خواهد بود که بصورت استاندارد در مقاله های مختلف مورد استفاده قرار گرفتهتابع برازش چیه؟
تابع برازش یا fitness function در واقع همون تابعی هست که هزینه یا سود ما برای رسیدن به حالت هدف رو تعیین می کنه، یعنی تخمینی که ما توسط روش heuristic مورد نظرمون زدیم چه جوری برآورد میشه؟ اگر مسئله مینیمم سازی باشه اسم این تابع میشه تابع هزینه یا Cost function، اگر مسئله ماکزیمم سازی باشه اسمش میشه Profit function
هر مسئله بهینه سازی ای یا مینیمم سازیه یا ماکزیمم سازی، بنابراین برای ارزیابیش، از یک تابع هزینه یا سود به تناسب مسئله استفاده میشه
این تابع برای مسئله های مختلف فرق می کنه و با توجه به پارامترهای تاثیرگذار تو اون مسئله شکل میگیره
یه ایده بدید برای پایان نامه.
دوستان کسی مفهوم اصطلاح granularity of representation رو توی داده کاوی، می تونه برای من تشریح کنه؟
ممنون میشم
سلام دوستان
میخوام برای پایان نامه ارشدم موضوع انتخاب کنم. به زمینه داده کاوی علاقه دارم
ولی نمی دونم کدوم فیلدش رو انتخاب کنم که خیلیییییی سخت نباشه و بتوتنم از پسش بر بیام 
اگه راهنماییم کنید خیلییی ممنون میشم
سلام.
recomend systems خوبه.