کاربرد داده کاوی در کشف دانش پنهان میان داده های سامانه ۱۳۷ شهرداری …

گام های این مرحله عبارتند از:

  • جمع آوری اولیه داده ها
  • توصیف داده ها
  • شناسایی داده ها
  • تایید کیفیت داده ها

آماده سازی داده ها[۱۹]
در این مرحله داده های موجود جهت استفاده ی الگوریتم داده کاوی آماده می شود. هدف این مرحله رسیدن به چشم انداز قابل کاوش است. در این مرحله یکپارچگی، انتخاب، پاکسازی و تغییر شکل داده ها انجام می شود (هن و کمبر ۲۰۰۶).
گام های این مرحله عبارتند:

  • انتخاب داده ها
  • پاکسازی داده ها
  • ساختار دهی داده ها ( انتخاب برخی صفات و ایجاد رکوردها)
  • یکپارچه نمودن داده ها ( داده های ترکیبی)
  • فرمت کردن داده ها

مدل سازی[۲۰]
این مرحله شامل پیاده سازی تکنیک های مدل سازی یا داده کاوی بر روی دیدگاه قابل کاوش ایجاد شده در مرحله ی قبل است (هن و کمبر ۲۰۰۶).
گام های این مرحله عبارتند از:

  • انتخاب تکنیک مدل سازی (فرضیه ها و تکنیک های مدل سازی)
  • ارزیابی طراحی ( طراحی آزمایشی)
  • ساخت مدل (پارامترهای انتخاب شده و توصیف مدل)
  • ارزیابی مدل (سنجش مدل و بازنگری در پارامترهای انتخاب شده)

ارزیابی مدل[۲۱]
در این مرحله مدل طراحی شده مورد ارزیابی قرار می گیرد تا مشخص شود آیا اهداف داده کاوی تامین شده است . به عبارت دیگر باید مشخص شود که آیا مدل برای پاسخگویی به برخی از نیازهای کسب و کار مفید است یا خیر. بعد از ارزیابی مدل ممکن است به بازنگری در اهداف تعیین شده در مرحله ی اول منجر شود (هن و کمبر ۲۰۰۶).
گام های این مرحله عبارتند از:

برای دانلود متن کامل این پایان نامه به سایت  jemo.ir  مراجعه نمایید.

  • ارزیابی نتایج
  • تجدید نظر در فرایند
  • طراحی گام های بعدی (لیست فعالیت ها و تصمیم های ممکن)

توسعه ی مدل[۲۲]
ایده ی این مرحله به کارگیری پتانسیل های مدل استخراج شده، ترکیب آن با فرایند های تصمیم گیری سازمان، ارائه گزارش هایی در مورد دانش استخراج شده و … می باشد. در این مرحله مدل، پیاده سازی و اجرا می گردد و معمولاً یک رابط گرافیکی مناسب نیز برای کاربران طراحی می شود (هن و کمبر ۲۰۰۶).
گام های این مرحله عبارتند از: