2-16 هرس درخت تصمیم تولیدشده. 64
2-17 شبکه عصبی مصنوعی.. 65
2-18 ماتریس تداخل.. 69
2-19 واسط K-Fold Cross Validation.. 72
2-20 قوانین انجمنی.. 74
2-21 مرور ادبیات و سوابق مربوطه. 75
2-22 خلاصه فصل.. 76
فصل سوم فرایند داده کاوی، معرفی و ارزیابی الگوریتم ها
3-1 معرفی نرم افزار Rapid Miner 5: 61
3-2 واسط کاربری Rapid Miner 5. 61
3-3 نحوه کار با Rapid Miner 5. 62
3-3-1 انبارهها 62
3-3-2 عملگرها 63

3-3-3 تب پردازش.. 64
3-3-4 تب پارامترها 64
3-3-5 تب مشکلات.. 64
3-3-6 تب کمک.. 65
3-3-7 تب توضیحات و تب xml. 65
3-4 مقدمه. 66
3-5 متدولوژی CRISP-DM… 66
3-6 شروع داده کاوی.. 67
3-6-1 درک کسب و کار 67
3-6-2 درک دادهها 67
3-6-3 آماده سازی دادهها 68

یک مطلب دیگر :

3-6-3-1 تولید دادههای آموزشی. 69
3-6-3-2 تولید دادههای تست و ارزیابی. 69
3-6-4 ساخت مدل. 70
3-6-4-1 افزودن انبارهای داده به نرم افزار 70
3-6-4-2 درخت تصمیم. 71
3-6-4-3 اعمال مدل درخت تصمیم و تست و ارزیابی کار 75
3-6-4-4 شبکه عصبی. 79
3-6-4-5 روشهای ترکیبی. 81
3-6-5 نتیجه گیری. 82

فصل چهارم: نتیجه‌گیری و راهکار آینده
4-1 نتیجه گیری.. 84
4-2 راهکار آینده. 84
واژه‌نامه فارسی به انگلیسی.. 85
 
فهرست شکل­ها
شکل 1- مدل فرآیند CRISP-DM برای کاربردهای داده کاوی]9[ 21
شکل (2-1): معماری سیستم مبتنی بر داده كاوی [42]. 59
شکل (2-2): تغییر میزان آنتروپی را برای مجموعه‌ای با دو کلاس… 63
شکل (2-3): توابع نرمال سازی [40] 67
نمودار(2-1): تقریب خطی.. 73
شکل(3-1): صفحه نخست نرم افزار Rapid Miner 5. 62
شکل 3-2: خروجی شیها 63
شکل 3-3: خروجی قسمت مدل (شبکه عصبی) 63