داتا ماينينج شروحات ومراجعات
10 موضوع في داتا ماينينج (CSC213) بشرح مبسط وأسئلة تدريب. مجاني على بصمجلي.
داتا ماينينج (CSC213)
Lecture 1: Introduction
- يعني إيه Data Mining؟ المهام: Classification وClustering وRegression وAssociation Rules
الـ data mining هو استخراج أنماط ومعرفة مفيدة وغير واضحة من كميات ضخمة من البيانات، ومهامه بتتقسم لمهام تنبؤية (predictive) ومهام وصفية (descriptive). - خطوات الـ KDD: عملية اكتشاف المعرفة من قواعد البيانات
الـ KDD (knowledge discovery in databases) هو العملية الكاملة لتحويل البيانات الخام لمعرفة، والـ data mining هو خطوة اكتشاف الأنماط جواها.
Lecture 2: Data
- أنواع الـ Attributes: Nominal وOrdinal وInterval وRatio
الـ attribute هو خاصية أو صفة في الـ object. الأنواع الأربعة بتختلف في الخصائص اللي بتدعمها: التمييز والترتيب والفروق ذات المعنى والنسب ذات المعنى.
Lecture 3: Data Preprocessing
- تنضيف البيانات: الـ Noise والـ Outliers والـ Missing Values والبيانات المتناقضة
الـ data cleaning بيشيل الـ noise والبيانات المتناقضة وبيملا القيم الناقصة عشان الـ mining يشتغل على مدخلات موثوقة. - الـ Binning: Equal-Width مقابل Equal-Frequency (Equal-Depth) بأمثلة
الـ binning بيقسم القيم الرقمية المرتبة لـ bins. الـ equal-width الـ bins ليها نفس المدى، والـ equal-frequency (equal-depth) كل bin فيها تقريبًا نفس عدد القيم. - الـ Data Normalization: Min-Max وZ-Score وDecimal Scaling بأمثلة
الـ normalization بيعيد قياس قيم الـ attributes لمدى موحد عشان الـ attributes اللي قيمها كبيرة متسيطرش على الطرق المعتمدة على المسافات. - الـ Quartiles والـ IQR وقاعدة 1.5 × IQR للـ Outliers
الـ interquartile range (IQR = Q3 - Q1) بيقيس انتشار النص الأوسط من البيانات، والقيم اللي بعيدة عن الـ quartiles بأكتر من 1.5 × IQR بتتعلّم outliers. - الـ Data Reduction: الـ Sampling والـ Aggregation وتقليل الأبعاد
الـ data reduction بيطلع تمثيل أصغر للبيانات بيدي نفس النتايج التحليلية أو قريب منها.
Lecture 6: Classification
- الـ Decision Trees: الـ Gini Index والـ Information Gain وإزاي بنختار الـ Splits
الـ decision tree بيصنف الـ records بسلسلة اختبارات على الـ attributes. في كل node خوارزمية greedy بتختار الاختبار اللي بيقلل الـ impurity أكتر، بالـ Gini index أو الـ entropy.
Lecture 4: Similarity
- مقاييس الـ Similarity والـ Dissimilarity والـ k-Nearest Neighbours
الـ similarity مقياس رقمي لمدى تشابه object مع التاني، والـ dissimilarity مقياس لمدى اختلافهم. والـ k-nearest neighbours بيصنف record جديد حسب أقرب records للتدريب.
بصمجلي مشروع طلابي مستقل، مش موقع رسمي لجامعة الدلتا. ارجع لمحاضراتك ودكتورك دايمًا.