انجام پروژه های داده کاوی با متلب ، پایتون، رپیدماینر ، وکا و

… ت
همیارپروژه با داشتن مجریانی از بهترین دانشگاه های کشور و تجربه چندساله در انجام پروژه های دانشجویی ، آماده است پروژه های داده کاوی شما را با بهترین کیفیت انجام دهد.جهت سفارش پروژه data mining با شماره تماس بگیرید.
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]داده کاوی
مشاوره و انجام پایان نامه و پروژه های کارشناسی ارشد داده کاوی

الگوریتم های دسته بندیClassification

درخت تصمیم :C5.0 ، CHAID ، C&R ،QUEST ، RandomForest ،REPTree ،ID3،NBTree

شبکه عصبی :Neural Net ،perceptron ،AutoMLP

شبکه بیزین : Bayes Net،NaiveBayes

ماشین بردار پشتیبان : SVM ،LibSVM ،Support Vector Machine (Linear)

رگرسیون : Regression ، Logeistic

نزدیکترین همسایه: KNN

الگوریتم های خوشه بندی Clustering

خوشه بندی : k-Means ، kohonen ، Twostep ، Anomaly

الگوریتم های قواعد انجمنی : Apriori ، Carma ، Sequence ، FP-Growth
انجام پروژه های داده کاوی با نرم افزار وکا Weka
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]نرم‌افزار Weka در دانشگاه Waikato واقع در نیوزلند توسعه یافته است و اسم آن از عبارت”Waikato Environment for knowledge Analysis” استخراج گشته است. همچنین Weka ، نام پرندهای با طبیعت جستجوگر است که پرواز نمیکند و در نیوزلند، یافت میشود.

این سیستم به زبان جاوا نوشته شده و بر اساس لیسانس عمومی و فراگیر GNU انتشار یافته است.Weka تقریباً روی هر پلت فرمی اجرا میشود و نیز تحت سیستم عاملهای لینوکس، ویندوز، و مکینتاش، و حتی روی یک منشی دیجیتالی شخصی، آزمایش شده است.

نرم افزار Weka ، پیاده سازی الگوریتمهای مختلف یادگیری را فراهم میکند و به آسانی میتوان آنها را به مجموعه های داده خود اعمال کرد.
انجام پروژه های داده کاوی با نرم افزار رپید ماینر RapidMiner

بنابر تحقیقات انجام شده نرم افزار RapidMiner یکی از پرکاربرد ترین نرم افزارهای داده کاوی طی سال های اخیر بوده است.

متن باز بودن و استفاده از کتابخانه های آن برای برنامه نویسان به همراه امکان استفاده از محیط گرافیکی آن بدون استفاده از دانش برنامه نویسی باعث گشته طیف متنوعی از کاربران به سراغ این ابزار متمایل گردند. تنوع الگوریتم های آماده سازی و مدلسازی در این ابزار باعث شده تا بسیاری از پروژه های تحقیقاتی، آکادمیک و همچنین پروژه های اجرایی حداقل بخشی از روند پیاده سازی مدل ها را در این ابزار مورد آزمایش قرار دهند.
انجام پروژه های داده کاوی با نرم افزار کلمنتاین Clementine12

این نرم افزار برای آنالیزهای آماری به صورت سرور و کلاینت استفاده می شود و در واقع محاسبات بسیار پیچیده را به صورت متمرکز می توان به وسیله آن انجام داد. این نرم افزار ابتدا تحت سیستم عاملهای یونیکس و لینوکس اجرا می شد ولی نسخه های جدید آن در محیط ویندوز نیز قابل نصب است قابلیت استفاده از پایگاه داده هایی مانند SQL را نیز دارد.
انجام پروژه های داده کاوی با نرم افزار SPSS Modeler14.2
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail] SPSS نرم‌افزار رایانه‌ای است که برای تحلیل‌های آماری به کار می‌رود. SPSS مخفف عبارت Sciences Statistical Package for the Social به معنی بسته ی آماری برای علوم اجتماعی می باشد. IBM SPSS Modeler نرم افزاری از شرکت SPSS است که در ابتدا با نام کلمنتاین (Clementine 12) ارائه می شد که در نسخه جدید به SPSS Modeler تغییر نام پیدا کرد. این نرم افزار یکی از بهترین ابزارهای داده کاوی است و برنامه ای حرفه ای برای انجام محاسبات پیچیده و آنالیزهای آماری به صورت سرور و کلاینت می باشد که بیشتر توسط دانشجویان مهندسی صنایع و مدیریت مالی و اقتصاد مورد استفاده قرار می گیرد.

آموزش کامل داده کاوی با weka

---

هدف از این آموزش فراگیری انجام کارهای داده کاوی مختلف با نرم افزار weka می باشد.بی شک نرم افزار weka یکی از قوی ترین وکاربرپسندترین نرم افزارهای داده کاوی به شمار می رود. وهدف انجام کارهای مهم داده کاوی است :

موارد موجو دراین فایل :

1. شروع کار با weka

2. نصب weka

3. نحوه ورود انواع مختلف داده در نرم افزار weka

4. پیش پردازش داده ها در weka

5.   خواندن و فیلتر کردن فایل ها

6. تبدیل فایل ها به فرمتarff

7. به کارگیری فیلتر ها

8. نحوه Classifyکردن داده ها با انواع مختلف کلاسیفایرها

9. نحوه انجام رگرسیون

10. نحوه انجام خوشه بندی

11. اجرای قوانین وابستگی

12. شرح کامل قسمت های مختلف نرم افزار wekaاز جمله :

13. استفاده ازخط فرمان سیستم عامل

    استفاده ازخط فرمان

    استقاده ازواسط کابری

    استفاده از weka  در برنامه های دیگر

14. پنجره اصلی

15.  قسمت های اصلی

    اطلاعات ورودی در weka

    قسمت های اصلی در weka

16. فرمت اطلاعات ورودی در weka

17. توضیح برگه explorer

18. توضیح برگه classify

19. توضیح برگه Clustering

20. توضیح برگه Associate

21. توضیح برگه

22. 
    
23. 
    

24. Visualize

---

09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]

---

weka مجموعه ای از به روزترین الگوریتمهای یادگیری ماشینی و ابزارهایی برای پیش پردازش داده ها میباشد.  WEKA در قالب واسطهای کاربری مناسب در اختیار کاربران قرار میگیرد بنابراین کاربران میتوانند  با توجه اینکه کلیه امکانات متدهای مختلف را بر روی دادههای خود پیاده سازی کرده و بهترین الگوریتم را برای کار انتخاب نمایند.. همچنین این نرم افزار تحت مجوز Java که ماشین مجازی بدان معناست که استفاده از آن رایگان بوده و کاربران به راحتی میتوانند به کدمنبع های آن دسترسی داشته و حتی آنها را برحسب نیاز تغییر داده و روشهای دیگری را نیز به آنها اضافه کنند.
این نرم افزار توسط جاوا پیاده سازی شده و شما می توانید مستقیما از وکا استفاده کنید یا در کد جاوای برنامه خود مورد استفاده قرار دهید. در وکا مجموعه کاملی از الگوریتم ها ارائه شده است که می توان در نظرکاوی، متن کاوی و امور مختلف داده کاوی مورد استفاده قرار داد. یکی از نقاط قوت وکا عملکرد مناسب الگوریتم ماشین یادگیری این نرم افزار است. الگوریتم به شکلی پیاده سازی شده اند که عملکرد قابل قبولی نسبت به بقیه نرم افزارها ارائه می دهند. در کنار این نکات قوت وکا ظاهر کاربرپسندی نیز دارد.

 این پکیج شامل چهار واسط کاربری متفاوت می‌باشد:

•  Explorer: در این حالت شما می‌توانید روش‌های مختلف آماده‌سازی، تبدیل و الگوریتم‌های مدلسازی بر روی داده‌ها را اجرا کنید.

• Experimenter: در این حالت فقط امکان اجرای الگوریتم‌های مختلف رده‌بندی به صورت هم‌زمان و مقایسه نتایج آن‌ها وجود دارد. تمامی شاخص‌های مورد نیاز به منظور بررسی مدل‌های رده بندی در این قسمت تعریف شده و قرار دارند و گزارشات مفصلی را از جمله آزمون T می توان در این قسمت پس از مدلسازی استخراج نمود.

• Knowledge Flow: در این قسمت یک واسط گرافیکی طراحی شده است که مانند نرم افزارهای IBM Modeler و رپیدماینر در آن می توان جریان های داده ای مختلف تولید نمود.

•  (command line interface (CLI: در این حالت امکان مدلسازی توسط کدنویسی خط به خط قرار دارد.

• 
  
• 
  

09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]

• در وکا داده ها می توانند به فرمت های مختلف از جمله Excel، CSV و Arff باشند. اما به طور کلی این نرم افزار با داده‌ها به فرمت Arff میانه بهتری دارد.

یکی از راه­‏های به کارگیری Weka ، اعمال یک روش یادگیری به یک مجموعه داده و تحلیل خروجی آن برای شناخت چیزهای بیشتری راجع به آن اطلاعات می‏­باشد. راه دیگر استفاده از مدل یادگیری شده برای تولید پیش‏بینی­‏هایی در مورد نمونه­‏های جدید است. سومین راه، اعمال یادگیرنده­‏های مختلف و مقایسه کارآیی آنها به منظور انتخاب یکی از آنها برای تخمین می‏­باشد. روش­‏های یادگیری Classifier نامیده می‏­شوند و در واسط تعاملی Weka ، می‏­توان هر یک از آنها را از منو انتخاب نمود. بسیاری از classifier ‏ها پارامترهای قابل تنظیم دارند که می‏­توان از طریق صفحه ویژگی‏‏ها یا object editor به آنها دسترسی داشت. یک واحد ارزیابی مشترک، برای اندازه‏گیری کارآیی همه classifier به کار می‏­رود.

پیاده سازی­‏های چارچوب­‏های یادگیری واقعی، منابع بسیار ارزشمندی هستند که Weka فراهم می‏­کند. ابزارهایی که برای پیش پردازش داده­‏ها استفاده می‏­شوند. filter نامیده می‏­شوند. همانند classifier ‏ها، می‏­توان filter ‏ها را از منوی مربوطه انتخاب کرده و آنها را با نیازمندی­‏های خود، سازگار نمود. در ادامه، به روش به کارگیری فیلترها اشاره می‏­شود.

علاوه بر موارد فوق، Weka شامل پیاده سازی الگوریتم­‏هایی برای یادگیری قواعد انجمنی، خوشه­بندی داده­‏ها در جایی که هیچ دسته­ای تعریف نشده است، و انتخاب ویژگی‏های مرتبط در داده­‏ها می‏­شود.

09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]

پروژه داده کاوی با نرم افزار وکا

پروژه داده کاوی با نرم افزار وکا
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
باسلام اطفا فایل ضمیمه را مطالعه بفرمایید لطفا کسانی که تخصص کافی دارند پیشنهادبدهند چون پروژه برای پایان نامه است و از اهمیت بالایی برخوردار است / دقیقا مطابق خواسته هایی فایل ضمیمه شده باشد در غیر...
انجام پروژه با متلب و وکا

سلام این فایل ضمیمه رو لطفا مطاله بفرمایید میشه کدهاشو با متلب نوشت و وکا فقط واسه کلاسیفیکشن و دسته بندی هست ممنون میشم انجام بدین فقط چون پروژه از اهمیت فوق العاده ای برای من برخوردار است فق...
پیاده سازی مقاله در نرم افزار وکا
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
یک مقاله در خصوص تشخیص پیوند در شبکه ها است که سعی دارد روش نظارت شده وزن دار و بدون وزن را با حالت نظارت نشده مقایسه کند. برای اینکار 8 معیار تعریف کرده و آنها را برای مجموعه داده در نرم افزار وکا مح...
تمرین 2 نرم افزار وکا weka

تمرین درسی نرم افزار درس یادگیری ماشین قسمت دوم و سوم زیرساخت:نرم افزار وکا weka
تمرین داده کاوی با نرم افزار وکا - فوری

سه تمرین مربوط به دسته بندی,خوشه بندی,ایتم های پرتکرار.حل با نرم افزار وکا.داکیومنت مراحل انجام کار ضروری است.زیرساخت:ویندوز 7 یا 8 فرقی ندارد فقط اینکه برنامه وکا اجرا شود...
انجام پروژه یادگیری ماشین با متلب یا وکا و نرم افزار Gephiبر روی داده ضمیمه شده

1. با استفاده از یکی از روشهای درخت تصمیم دسته بندی داده های توئیتر را انجام دهید نتایج را ارزیابی و تحلیل نمایید ، معیار نمره صحت نتایج و ارزیابی تحلیلی میباشد 2. با استفاده از خوشه بندی مبتنی بر...
انجام پروژه وکا
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
باسلام  دیتاست یک مقاله رو خروجی ان رو با نرم افزا Wekaخارج بشه حدامکان مقاله کنفرانسی نباشه  و جدید باشه و روش کارو خودم هم بتونم توضیح بدم
کار با نرم افزار وکا

کار با نرم افزار وکا و انجام الگوریتم naive bayes  بر روی آن
انجام چند الگوریتم بر روی دیتاست بر روی نرم افزار وکا

با سلام  میخواهم الگوریتم های زیر بر روی دیتاست با وکا اجرا شود :  Multinomial Naïve Bays Bernoulli Naïve Bays Logistic Regression k ) KNN(1), KNN(2), KNN(3)   می...
تمرین درس یادگیری ماشین با نرم افزار وکا یا متلب

انجام  دو تمرین با نرم افزار وکا در رابطه با کاهش ابعاد داده با PCA و خوشه بندی با الگوریتم های مختلف . شرح کامل تمرین ضمیمه شده است.
تشخیص جوامع همپوشان با استفاده از نرم افزار وکا

سلام بنده دانشجوی کارشناسی ارشد در رشته نرم فزار می باشم و  موضوع پایان نامه ام تشخیص جوامع  با استفاده از نرم افزار وکا هست را باید انجام دهید و یک پایان نامه مقایسه ای است با کارهای قبلی . در واق...
مشاوره و راهنمایی برای یک پروژه با نرم افزار داده کاوی وکا
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
به یک مجری احتیاج دارم جهت مشاوره و راهنمایی در زمینه داده کاوی بت وکا برای پایان نامه ام.
مشاوره و راهنمایی برای یک پروژه با نرم افزار داده کاوی وکا

با سلام یک پروژه دانشگاهی هست برای پایان نامه که فصل 4ان رو میخواهم با وکا انجام بدم. رشته مدیریت مالی
مشاوره و راهنمایی برای یک پروژه با نرم افزار داده کاوی وکا
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
انجام فصل 4پایانه با نرم افزار وکا یا پایتون ، پایان نامه مالی مربوط به ابزارهای دستهربندی

موضوع پایان نامه کارشناسی ارشد برای داده کاوی

موضوع پایان نامه کارشناسی ارشد برای داده کاوی
پایان نامه, پایان نامه دکتری, پایان نامه کارشناسی ارشد, پروپوزال, پروپوزال دکتری, پروپوزال کارشناسی ارشد
انجام پایان نامه با موضوع داده کاوی
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
در این مقاله سعی داریم تا موضوع های مختلفی که می توان در قالب پایان نامه کارشناسی ارشد برای رشته داده کاوی انجام داد را معرفی نمائیم. انتخاب موضوع در انجام پایان نامه مقطع ارشد اولین گام و مهمترین گام محسوب می شود. داده کاوی به عنوان یک حوزه بین رشته ای تلقی می شود که می تواند در کاربردهای مختلف برای حوزه ها و رشته های مختلف مورد استفاده قرار گیرد.

 

انجام پایان نامه کامپیوتر داده کاوی

در ادامه تعدادی از موضوع هایی که می توانند در قالب انجام پایان نامه کارشناسی ارشد در حوزه داده کاوی مورد استفاده قرار گیرند، آورده شده است.

    پایان نامه سیستم های تشخیص نفوذ با استفاده از روش های داده کاوی
    تشخیص نرخ اعتباری بیمه و مشتریان بیمه
    تعیین نرخ اعتباری مشتریان بانک
    ارائه روش نوین در پایان نامه داده کاوی در تشخیص بیماری های قلبی با استفاده از شبکه های عصبی
    تشخیص بیماری های عروقی و قلبی با استفاده از درخت تصمیم
    شناسایی سرطان خون با بکارگیری الگوریتم های داده کاوی
    شناسایی سرطان پروستات با استفاده از متد های داده کاوی
    انجام پایان نامهداده کاویتشخیص سرطان سینه با استفاده از ترکیب طبقه بندها
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
انجام پایان نامه ارشد و دکتری موسسه ادیب مشاور
انجام پایان نامه داده کاوی با نرم افزار وکا

پایان نامه داده کاوی مانند تمامی پایان نامه های دیگر احتیاج به ابزاری برای انجام و پیاده سازی دارد، یکی از مهمترین این ابزار ها وکا (Weka) می باشد. وکا در برگیرنده تمامی الگوریتم های مهم و کاربردی داده کاوی می باشد به صورتی که حد زیادی شما را در پیاده سازی پایان نامه از کد نویسی مبرا میکند. از جمله الگوریتم های مهمی که در weka وجود دارد می توان از انوان طبقه بندها مانند، شبکه عصبی MLP، RFB - SOM، شبکه عصبی فازی، پایان نامه شبکه عصبی با وکا در شبکه هاپفیلد (Hopfield network)، ماشین بولتزمن (Boltzmann machine)، شبکه های عصبی با یادگیری عمیق (Deep Learning) و همچنین مشاوره پایان نامه و پروپوزال درخت های تصمیم با Weka، ماشین بردار پشتیبان (support vector machine- SVM)، مدل مخفی مارکوف Hidden Markov Model (HMM)، رده بندی و کلاسیفیکشن داده ها، کلاسترینگ و خوشه بندی داده ها (clustering algorithms) و....

 09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]

 
برای بهره مندی از مشاوره رایگان در حوزه انجام پایان نامه داده کاوی، همین الان با ما تماس بگیرید.

 

 

[fvplayer src="https://adib24.com/wp-content/uploads/2018/07/انجام-پایان-نامه،-انجام-رساله-دکتری-در-موسسه-ادیب-24،-http-__adib24.com-YouTube.mp4" splash="https://adib24.com/wp-content/uploads/2018/07/cover-min.jpg" width="1280" height="662"]

 
مشاوره تخصصی انجام پایان نامه ارشد

یکی از مهمترین وظایف دانشجویان در مقاطع تحصیلات تکمیلی (کارشناسی ارشد و دکتری) انجام پایان نامه می باشد. فقر اساتید خبره در زمینه های مختلف علمی تحقیقاتی در برخی دانشگاه های داخلی و خارجی موجب سردرگمی دانشجویان عزیز گردیده است، موسسه ادیب مشاور مفتخر است که در پاسخ به این نیاز طی ده سال فعالیت به تعداد بیشماری از دانشجویان ارشد و دکتری خدمات مشاوره تخصصی ارایه داده است.
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
به طور کلی انجام پایان نامه کاری زمان بر است که دانش و تجربه زیادی نیازمند است. موسسه ادیب مشاور با چندین سال تجربه در عرصه مشاوره و با در اختیار داشتن متخصصین و اساتیدی با تجربه آماده مشاوره و آموزش پایان نامه در کلیه رشته های دانشگاهی می باشد.

علاوه بر این موسسه ادیب مشاور، در زمینه شبیه سازی مقالات، پایان نامه ها و انجام پروژه ها با برنامه نویسی نیز به دانشجویان کشور عزیزمان خدمات لازم را ارائه می کند. این خدمات شامل تحلیل آماری، پیاده سازی با انواع نرم افزارهای مهندسی، برنامه نویسی با انواع زبان های برنامه نویسی و تهیه پرسش نامه می شود.

به طور کلی سر فصل های خدمات موسسه ادیب مشاور عبارتند از:

مشاوره پروپوزال در رشته مدیریت، حسابداری، مهندسی برق قدرت، مهندسی برق الکترونیک، مهندسی کامپیوتر و روانشناسی و دیگر رشته ها

مشاوره پایان نامه در رشته مدیریت، حسابداری، مهندسی برق قدرت، مهندسی برق الکترونیک، مهندسی کامپیوتر و روانشناسی و دیگر رشته ها

استخراج مقاله از پایان نامه در رشته مدیریت، حسابداری، مهندسی برق قدرت، مهندسی برق الکترونیک، مهندسی کامپیوتر و روانشناسی و دیگر رشته ها

شبیه سازی انواع مقالات مهندسی

تحلیل آماری پایان نامه های آماری
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
تهیه پرسش نامه در رشته های مختلف دانشگاهی

تهیه پرسش نامه آنلاین در بستر اینترنت

مشاوره رایگان در انتخاب موضوع پایان نامه های مهندسی و سایر رشته ها

انجام پروژه های برنامه نویسی با انواع زبان های برنامه نویسی از قبیل پایتون، متلب و آموزش کامل پروژه انجام شده در قالب فیلم آموزشی

انجام پروژه های شبیه سازی شبکه یا پایان نامه های مرتبط با شبکه با نرم افزارهای NS2 و NS3

انجام پایان نامه ادیب مشاور
مشاوره تخصصی انجام پایان نامه و شبیه سازی آن

موسسه ادیب مشاور با داشتن اساتیدی مجرب در حوزه کلیه تحلیل های آماری پرسشنامه ای، و انواع آزمون‌های آماری در تکمیل فصل چهار پایان نامه، به دانشجویان در کوتاه ترین زمان ممکن خدمات مشاوره و آموزش حرفه ای ارائه می دهد. هدف موسسه ادیب این است که دانشجویان کشور عزیزمان را در نگارش با کیفیت پایان نامه های کارشناسی ارشد یاری دهد.

خدمات ما شامل مشاوره و آموزش تحلیل آماری پایان نامه با نرم افزارهای زیر می باشد:

نرم افزار SPSS

با استفاده از این نرم افزار می توانیم آمار توصیفی و آمار استنباطی در پایان نامه ها را محاسبه کنیم. برای سنجش جمعیت شناختی، از آمار توصیفی در SPSS استفاده می شود. همچنین برای سنجش روابط بین متغیرها از آزمون همبستگی پیرسون یا اسپیرمن (بر اساس نوع توزیع آماری داده ها) استفاده می گردد، و در نهایت برای سنجش تاثیرات از آزمون رگرسیون خطی یا چندگانه استفاده می شود.
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
نرم افزار Vensim

از این نرم افزار برای سنجش طول زمان استفاده می گردد. به طور مثال وقتی می خواهیم برای مدت ۱۰ ساله تخمین بزنیم که روند فروش در ۱۰ سال آینده چقدر خواهد بود؟ با استفاده از این نرم افزار می توانیم به رشد یا نزول فروش در پایان نامه های مربوط به این حوزه پی ببریم.

نرم افزار LINGO

روش تحلیل پوششی داده ها DEA توسط این نرم افزار قابل مدلسازی و انجام است. در این روش ما با چند واحد تصمیم گیرنده (DMU) مواجه هستیم که هر یک با مصرف برخی ورودی ها، خروجی هایی را تولید می کند. در نهایت هدف اصلی این روش محاسبه کارایی واحدهای تصمیم گیرنده و ارائه راهکار برای افزایش کارایی واحدهای ناکاراست.

نرم افزار Lisrel

این نرم افزار، از نرم افزارهای مدل معادلات ساختاری است و برای داده های نرمال استفاده می شود. مدل‌های مرسوم در مدل سازی معادلات ساختاری (SEM) درواقع متشکل از دو بخش هستند. مدل اندازه‌گیری که چگونگی توضیح و تبیین متغیرهای پنهان توسط متغیرهای آشکار (سوالات) مربوطه را بررسی می‌نماید و مدل ساختاری که نشان می‌دهد چگونه متغیرهای پنهان در پیوند با یکدیگر قرار گرفته‌اند.

استفاده از مدل سازی معادلات ساختاری مزایای زیادی دارد که مهمترین آنها عبارتند از: الف) روابط چندگانه  را می تواند برآورد کند ب) قابلیت سنجش متغیرهای مشاهده نشده  ج) خطای اندازه‌گیری را می تواند محاسبه کند د) قابلیت بررسی تأثیر هم خطی ه) آزمون روابط جعلی و غیرواقعی.

نرم افزار Smart PLS

این نرم افزار، از نرم افزارهای مدل معادلات ساختاری است. و برای داده های غیرنرمال استفاده می گردد.  تحلیل عاملی مرتبه دوم به بالا فقط از طریق این نرم افزار میسر است. لذا امکان انجام تحلیل عاملی مرتبه دوم به بالا از طریق نرم افزار هایی مثل Amos و Lisrel مقدور نیست و فقط از طریق نرم افزار Smart PLS امکان پذیر می باشد.

نرم افزار Amos
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
این نرم افزار، از نرم افزارهای مدل معادلات ساختاری است برای داده های نرمال استفاده می شود. مدلسازی معادلات ساختاری توسط نرم افزار اموس در محیطی با قابلیت گرافیکی بالاتر و برای نمونه هایی با حجم بزرگ صورت می پذیرد. مدل‌های مرسوم در مدلسازی معادلات ساختاری (SEM) در واقع متشکل از دو بخش هستند:

مدل اندازه‌گیری که چگونگی توضیح و تبیین متغیرهای پنهان توسط متغیرهای آشکار (سوالات) مربوطه را بررسی می‌نماید.

مدل ساختاری که نشان می‌دهد چگونه متغیرهای پنهان در پیوند با یکدیگر قرار گرفته‌اند.

نرم افزار MATLAB

نرم افزار متلب را می توان به مانند یک ماشین حساب بسیار پیشرفته دانست. این نرم افزار دارای مجموعه ی عظیمی از توابع آماده است که شما را در فرآیند محاسبات یاری می کند. امکان طراحی رابط کاربری و دریافت خروجی ها در قالب نمودارها و جداول مختلف یکی دیگر از قابلیت های مهم این نرم افزار می باشد. این نرم افزار دارای کاربردهای زیادی است که از مهم ترین آن­ها می توان به بهینه سازی سبد سهام و پیش بینی قیمت سهام اشاره کرد.

نرم افزار  GIS

در دهه اخیر به سبب گسترش فناوری های رایانه ای، سیستم اطلاعات جغرافیایی امکان نگهداری به روز داده‌های زمین مرجع و نیز امکان ترکیب مجموعه داده‌های مختلف را به طور موثر فراهم ساخته است. امروزه (GIS) برای تحقیق و بررسی های علمی، مدیریت خدمات شهری، مدیریت منابع و ذخایر و همچنین برنامه ‏ریزی های توسعه ای به کار گرفته می‏ شود. فناوری (GIS) با جمع آوری و تلفیق اطلاعات، بوسیله تصویر سازی و استفاده ازآنالیزهای جغرافیایی، اطلاعاتی را برای تهیه نقشه فراهم می سازد. گروه تحقیقاتی طلوع (TMRG) کلیه پروژه های دانشجویی و راهنمایی در مورد پایان نامه های دانشجویی در زمینه های سیستم اطلاعات جغرافیایی، وب GIS، موبایل GIS و … را انجام می دهد.
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
مشاوره و انجام  پروژه های GIS  در تمام زمینه ها از جمله:

    طراحی و ایجاد سیستم های اطلاعات مکانی (GIS) سازمانی
    توسعه نرم افزاری Desktop و Mobile و سامانه تحت وب (WebGIS)
    طراحی و پیاده سازی بانک های اطلاعات مکانی
    اجرا و پیاده سازی تحلیل های مکانی مربوط به پروژه های منابع طبیعی و برنامه ریزی شهری مانند مکانیابی، مسیریابی
    انجام کلیه پروژه‌های مکان یابی و درون یابی و تهیه نقشه های مرتبط
    تهیه نقشه ها در زمینه های مختلف از جمله: محیط زیست، جغرافیا (شهری و روستایی)، باستان شناسی و …
    اجرای مدل در GISدر AHP, ANP, VIKOR, TOPSIS, ELECTER, SAW
    تبدیل نقشه های CAD به لایه های GIS  دارای مختصات
    و…

نرم افزار Excel و SuperDecision:

تکنینک های مختلف تصمیم گیری با معیارها و گزینه های چندگانه (MCDM & MADM) توسط این نرم افزارها قابل انجام است که از جمله این تکنیک ها می توان به موارد زیر اشاره نمود:

روش تحلیل سلسله مراتبی (AHP)

روش فرآیند تحلیل شبکه (ANP)
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
روش تاپسیس (TOPSIS) که مبتنی بر محاسبه فاصله ریاضی گزینه ها از نقاط مطلوب مثبت و منفی می باشد.

روش دیماتل (DEMATEL): در این روش تأثیر و تأثر شاخص ها بر همدیگر محاسبه شده و درنهایت شاخص های پژوهش در دو گروه علی و معلول دسته بندی می شوند.

نکته: تمامی روش های تصمیم گیری چند معیاره فوق در محیط های قطعی و فازی قابل انجام می باشند. معمولاً در مورد موضوعاتی که قطعیت آنها به مراتب کمتر است از فواصل و اعداد فازی جهت محاسبات استفاده می شود.

نرم افزار STATA

تخصص اصلی این نرم افزار در رشته اقتصاد است اما در رشته های مالی و حسابداری نیز قابلیت استفاده دارد. مدلهای مختلف رگرسیون و تخمین مدل های اقتصادسنجی سری زمانی، پانل و مقطعی از کاربردهای آن می باشد.

نرم افزار Eviews

تخصص و کاربرد اصلی این نرم افزار در رشته اقتصاد است ولی به طور گسترده ای در رشته های حسابداری و مالی نیز وارد شده است. تحلیل های آماری پانل دیتا، انواع مدل رگرسیون، سری زمانی، آزمون های هاسمن چاو، تحلیل سری زمانی های اقتصادی و … از کاربردهای آن می باشد.

نرم افزار R

نرم­ افزار آماری است که در رشته­ های مختلفی کاربرد دارد و قابل استفاده در رشته­ های مالی، اقتصاد و حسابداری است. از جمله کاربردهای این نرم افزار بهینه سازی سرمایه­ گذاری و تخمین مدل های اقتصاد سنجی است.

نرم افزار MINITAP

از جمله کاربردهای این نرم افزار آزمون های آماری نرمال سازی متغیرها، رگرسیون، انواع نمودارهای آماری می باشد.
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
نرم افزار SPSS

نرم افزار گمز

نرم افزار دیگ سایلنت DIGSILENT

شبیه سازی با COMSOL

شبیه سازی با pscad

شبیه سازی با PSIM

نرم افزار Microfit
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
نرم افزار EQS
انجام پروژه های داده کاوی با نرم افزار کلمنتاین  Clementine12

در کوتاه ترین زمان با کمترین قیمت

بیش از 30 نوع دیتاست مختلف با انواع موضوعات متفاوت در سایت پروژه های 21

نرم افزار

انجام پروژه های داده کاوی با نرم افزار وکا weka

انجام پروژه های داده کاوی با نرم افزار وکا weka
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]

انجام پروژه های داده کاوی با نرم افزار وکا weka


داده کاوی رها
پروژه داده کاوی با نرم افزار وکا

باسلام اطفا فایل ضمیمه را مطالعه بفرمایید لطفا کسانی که تخصص کافی دارند پیشنهادبدهند چون پروژه برای پایان نامه است و از اهمیت بالایی برخوردار است / دقیقا مطابق خواسته هایی فایل ضمیمه شده باشد در غیر...
انجام پروژه با متلب و وکا

سلام این فایل ضمیمه رو لطفا مطاله بفرمایید میشه کدهاشو با متلب نوشت و وکا فقط واسه کلاسیفیکشن و دسته بندی هست ممنون میشم انجام بدین فقط چون پروژه از اهمیت فوق العاده ای برای من برخوردار است فق...
پیاده سازی مقاله در نرم افزار وکا

یک مقاله در خصوص تشخیص پیوند در شبکه ها است که سعی دارد روش نظارت شده وزن دار و بدون وزن را با حالت نظارت نشده مقایسه کند. برای اینکار 8 معیار تعریف کرده و آنها را برای مجموعه داده در نرم افزار وکا مح...
تمرین 2 نرم افزار وکا weka

تمرین درسی نرم افزار درس یادگیری ماشین قسمت دوم و سوم زیرساخت:نرم افزار وکا weka
تمرین داده کاوی با نرم افزار وکا - فوری
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
ط به دسته بندی,خوشه بندی,ایتم های پرتکرار.حل با نرم افزار وکا.داکیومنت مراحل انجام کار ضروری است.زیرساخت:ویندوز 7 یا 8 فرقی ندارد فقط اینکه برنامه وکا اجرا شود...
انجام پروژه یادگیری ماشین با متلب یا وکا و نرم افزار Gephiبر روی داده ضمیمه شده

1. با استفاده از یکی از روشهای درخت تصمیم دسته بندی داده های توئیتر را انجام دهید نتایج را ارزیابی و تحلیل نمایید ، معیار نمره صحت نتایج و ارزیابی تحلیلی میباشد 2. با استفاده از خوشه بندی مبتنی بر...
انجام پروژه وکا

ک مقاله رو خروجی ان رو با نرم افزا Wekaخارج بشه حدامکان مقاله کنفرانسی نباشه  و جدید باشه و روش کارو خودم هم بتونم توضیح بدم
کار با نرم افزار وکا
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
و انجام الگوریتم naive bayes  بر روی آن
انجام چند الگوریتم بر روی دیتاست بر روی نرم افزار وکا

م الگوریتم های زیر بر روی دیتاست با وکا اجرا شود :  Multinomial Naïve Bays Bernoulli Naïve Bays Logistic Regression k ) KNN(1), KNN(2), KNN(3)   می...
تمرین درس یادگیری ماشین با نرم افزار وکا یا متلب

ن با نرم افزار وکا در رابطه با کاهش ابعاد داده با PCA و خوشه بندی با الگوریتم های مختلف . شرح کامل تمرین ضمیمه شده است.
تشخیص جوامع همپوشان با استفاده از نرم افزار وکا

جو نرم فزار می باشم و  موضوع پایان نامه ام تشخیص جوامع  با استفاده از نرم افزار وکا هست را باید انجام دهید و یک پایان نامه مقایسه ای است با کارهای قبلی . در واق...
مشاوره و راهنمایی برای یک پروژه با نرم افزار داده کاوی وکا

به یک مجری احتیاج دارم جهت مشاوره و راهنمایی در زمینه داده کاوی بت وکا برای پایان نامه ام.
مشاوره و راهنمایی برای یک پروژه با نرم افزار داده کاوی وکا
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
با سلام یک پروژه دانشگاهی هست برای پایان نامه که فصل 4ان رو میخواهم با وکا انجام بدم. رشته مدیریت مالی
مشاوره و راهنمایی برای یک پروژه با نرم افزار داده کاوی وکا

انجام فصل 4پایانه با نرم افزار وکا یا پایتون ، پایان نامه مالی مربوط به ابزارهای دستهربندی

انجام پروژه های داده کاوی با نرم افزار RapidMiner راپید ماینر

دا کردن افراد موثر در شبکه‌های اجتماعی(تحقیقاتی)
ارزیابی‌ها
تغییرات
پروژه درس هوش مصنوعی
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
میزان اهمیت شبکه های مجازی در زندگی انسان ها، روز به روز در حال افزایش است. با گسترده تر شدن تعداد و امکانات این شبکه ها، آن ها می توانند بستر مناسبی برای فعالیت های پر اهمیتی همچون: تجارت، مسائل سیاسی و غیره، باشند. در این میان افراد موثر بهتر از سایرین قادر خواهند بود تا به اهدافشان در شبکه های مجازی برسند. مطالب تبلیغاتی، اخبار و ... از دسته ی مطالبی است که بازدید زیاد آن ها، به معنی موفقیت آمیز بودن انتشار آن ها در دنیای مجازی بوده است. کاملا بدیهی است که هر چقدر که منتشر کننده ی این نوع مطالب شخص موثرتری در شبکه ی اجتماعی باشد، طبیعتا مطلب نیز پربازدید تر است و در اجتماع تاثیر بیشتری می گذارد. پس می توان گفت اگر می خواهیم بدانیم که چگونه برخی از مطالب موثر و همه گیر می شوند و بعضی دیگر اینگونه نیستند، در گام اول باید افراد موثر در شبکه های اجتماعی را شناسایی کنیم. در ادامه به یکی از مسائل در این حوزه می پردازیم.
۱. مقدمه
۱.۱. اهمیت افراد موثر در شبکه های اجتماعی

امروزه کسی نمی تواند اهمیت افراد موثر دنیای مجازی را در زندگی نادیده بگیرد. شبکه های اجتماعی همانند توییتر، فیسبوک و صد­ها سایت دیگر، بخش مهمی از دنیای مجازی و پهناور اینترنت هستند که نقش مهمی در زندگی انسان ها ایفا می کنند و ساعات زیادی را از وقت کاربران را در روز به خود اختصاص می دهند. روزانه حجم بسیار زیادی از داده، در قالب توییت یا هر فرمت قابل انتشار دیگری، از طریق شبکه های اجتماعی به اشتراک گذاشته می شود.
در تعداد بسیار زیادی از این توییت ها اطلاعات صریح (explicit) و نهفته (implicit) بسیار زیادی موجود است. بدیهی است که اکثر کاربران شبکه ی اجتماعی توییتر، مطالعه ی علمی در حوزه ی داده و انتقال اطلاعات ندارند. اما تجربه و هوشمندی برخی از آنان موجب شده است که توجه افراد بیشتری را نسبت به سایر کاربران به خود معطوف سازند. علاوه بر محتوای پیام، تشخیص میزان تاثیرگذاری و دلایل آن نیز، اطلاعات قابل تاملی را در اختیار محققین قرار می دهد.

شبکه های اجتماعی خاستگاه بسیاری از جریان های فکری است و مسلما تعدادی از کاربران با آگاهی کامل از محتوای پیام های خود، اقدام به ترویج طرز فکری خاص میان افراد یک جامعه، یک کشور و ... می کنند. شناختن این افراد به ما در شناخت تمایلات جامعه کمک می کند. این شناخت کاربردهای مختلفی در حوزه ی تجارت، سیاست، فرهنگ و ... دارد. برای مثال می توان در مواقعی که جامعه نیاز به روحیه ی و یکپارچگی دارد می توان از این افراد موثری که در حوزه ی مسائل اجتماعی فعالتی می کنند، کمک خواست. به طور کلی، شناختن افراد موثر در شبکه های اجتماعی و دلایل تاثیر گذاری این افراد، به ما کمک می کند تا با الگو گرفتن از آن ها بتوانیم علاوه بر استفاده از تکنیک های آنان در رساندن پیام های خود، جریان های مخرب را به موقع شناسایی کنیم و از همه گیر شدن (viral) آنان حتی الامکان جلوگیری کنیم.
۱.۲. شرح پروژه

این پروژه بر اساس یکی از مسابقات سایت kaggle[4] تعریف شده است. در این مسابقه، از شرکت کنندگان خواسته شده است تا مدلی طراحی کنند که از بین دو کاربر، تشخیص دهد که کدام به نظر سایر کاربران (انسان های دیگر)، شخص موثر تری در شبکه ی اجتماعی توییتر (Twitter) است. البته چون مسئله ی ما یافتن افراد موثر است در انتها خواهیم گفت که چگونه می توان از این مقایسه ها به افراد موثر در بین تمام اعضای جامعه ی آماری خود برسیم.
۲. پیش زمینه
۲.۱. دانش مورد نیاز
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
این مسئله از سوالات مورد بحث در حوزه ی داده کاوی است.
با افزایش سرعت، تولید و انتقال اطلاعات، امروزه علم تازه متولد شده ی داده کاوی از trend های اصلی علوم کامپیوتر است. داده کاوی بخش های مختلف علوم بسیار زیادی را دربر می گیرد. در حوزه ی هوش مصنوعی، داده کاوی از انواع روش های Learning سیستم های کامپیوتری بهره می گیرد. داده ها ارزش
تحلیل آماری بسیاری دارند. لذا این علم از درس آمار که شاخه ای از ریاضیات نیز می باشد استفاده می کند. علاوه بر علوم ریاضیاتی همانند کامپیوتر و آمار، نباید اهمیت علوم انسانی یا به بیانی دقیق تر علوم شناختی را در داده کاوی فراموش کرد. برای مثال، مسئله ی مورد بررسی ما نیز خود به پرسشی اجتماعی می پردازد و شاید حتی مطرح کردن نتایج این تحقیق با دانشمندان علوم شناختی برای آن ها دلپذیر باشد. در بخش کار های مرتبط به شرح هر یک از این شاخه و اتباط آن با پروژه ی خود می پردازیم.
۲.۲. آموزش (Learning)

ما در این پروژه از یادگیری بانظارت (Supervised Learning) بهره می بریم.
هنگامی که داده های ما با یک سری اتریبیوت خود را معرفی می کنند. مثلا در مجموعه ی دادگان مسئله ما که تنها به ذکر شخص A و B نپرداخته و ویژگی های آنان را نیز مشخص کرده است.[1]
۲.۳. مدل ها
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
یک مدل (Model) یا به بیان
دقیق تر، یک مدل پیش بینی کننده(Predictive Model)، مجموعه ی قوانین برداشت شده از نمونه های طبقه بندی شده و شناخته شده است که به کمک آن، می توانیم دسته ی داده های دسته بندی نشده ی خود را پیش بینی کنیم.[3]
۲.۳.۱. ساختن مدل

به طور کلی مدل سازی، تقریبا با هر روشی، مراحل مشخصی دارد:

1- آموزش (Train ): ما در این مرحله باید تعداد نسبتا زیادی داده ی درست (valid) را همراه با خروجی مورد نظر و درست در اختیار سیستم قرار دهیم تا از روی آن مدل را بسازد. ما در این پروژه فایل train.csv را داریم که دارای داده های آموزشی است. ستون choice حاوی پاسخ انسان به مقایسه است.
2- تست (Test) : اکنون که مدلی را در اختیار داریم، نمی توانیم بدون آزمایش بگوییم که مدل ما درست است. باید توسط یک سری داده ی دیگر آن را تست
کنیم. در این پروژه فایل test.csv برای این منظور قرار داده شده است.
3- استفاده از مدل : هنگامی که تست مدل را تایید کرد، آنگاه می توانیم آن را برای داده
هایی که پاسخش برای ما مجهول است به کار ببریم.
۲.۳.۲. ارزیابی مدل ها

ما می توانیم کارآمدی و احتمال صحت نتایج مدل خود را با قوس آر او سی (ROC) و مساحت زیر آن قوس(AUC) بسنجیم. [1]
۳. کارهای مرتبط

درباره ی افراد موثر در فضای مجازی مقالات و مطالب متعددی وجود دارد که به برخی از آنان به اختصار اشاره می کنیم.
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
در یکی از مقالات[6]، از گراف رابطه استفاده شده است. کاربران به عنوان راس های این گراف هستند و هر چقدر کاربری یال های ورودی بیشتری داشته باشد، شخص موثر تری است. یال ها می تواند روابط مختلف را نشان دهد.

در مقاله ای[7]، از قوانین تجمعی (Association Rule ) و به بیان ساده تر، الگو کاوی (Pattern Mining) برای حل این مسئله کمک گرفته شده است. استفاده از مفاهیم پیشتیبان (support) دو ویژگی و اطمینان (Confidence) روش اصلی آموزش در این مقاله است.

استفاده از اس وی ام (SVM) در مقاله ای که جریان همه گیر شدن آنفولانزای خوکی را در توییتر یافت می کرد نیز به چشم می خورد. [8]
این مقاله از طریق یادگیری اولویتی راه حل پیشنهادی خود را ارائه می دهد.
۴. آزمایش‌ها

یادگیری اولویتی(Preference Learning) نیز از روش های بانظارت هست که از جهاتی به دسته بندی (Classification) نزدیک است. با توجه به ماهیت مسئله ی ما یادگیری اولویتی روش مناسبی است.
۴.۱. یادگیری اولویتی

در یادگیری اولویتی ما در پی آموزش مدلی هستیم که ارحجیت (Preference) داده ها بر یک دیگر تشخیص دهد. به بیان ریاضیاتی، ما مجموعه ازاشیا را داریم که هنگامی که آن را به مدل خود می دهیم، مدل ما اولویت و ارجحیت (می تواند نسبی یا مطلق باشد.) آن ها را برای ما تشخیص دهد. در بخش های بعد توضیح خواهیم داد که ماهیت مدل چیست و چگونه می توان آن را به دست آورد(اکنون به این مقدار توضیح کفایت می کنیم که مدل از یک سری داده ی درست ساخته می شود و بعد از تایید شدن آن، می توان آن را برای داده های ناشناخته و تحلیل شده استفاده کرد.).[2]
در ساده ترین انواع این مسائل می بینید که مجموعه از اشیا را به ما داده اند و می خواهند که جایگشتی را از آن ها مدل به ترتیب ارجحیت تولید کرده است، به عنوان پاسخ ارائه کنیم. (شکل 1)
شکل 1
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
اکنون که به کمک یک مسئله ی ساده با Preference Learning آشنا شدیم، مسئله ی دیگری را بررسی می کنیم که شباهت بیشتری با مسئله ی ما که
مقایسه دو نفر است دارد. (شکل 2)
شکل 2

اگر به مسئله دقت کنید متوجه می شوید که این بار هر ورودی مدل، ترتیبی از Label های مسئله تعبیر می شود. در مسئله ی ما، ما دو ترتیب A>B و B>A را
داریم. تلاش برای حل مسئله ی دوم در واقع آغاز مسیر ما برای یافتن فرد موثر تر در هر داده به سیستم مدل ماست.
در بخش بعد منحصرا به Pair-wise Preference Learning می پردازیم.

۴.۱.۱. یادگیری اولویتی جفتی(Pair-wise Preference Learning)

در مسئله ی دوم بخش قبل، با داده هایی به عنوان ورودی برخورد کردیم که تحلیل مدل از آن ها موجب می شد تا مجموعه از Label ها به جایگشتی بر اساس ارحجیت آن ها با توجه به داده ی ورودی تعیین می شد. (پیش از هر توضیح بیشتری لازم می دانم که بگویم ما بیشتر به مسائلی که به یافتن افراد موثر است می پردازیم. از لحاظ علمی، ممکن است مدل ما به گونه ی طراحی شود که برخی ارجحیت ها را بگوید و در مورد ارجحیت هایی سکوت کند. لذا قادر نخواهد بود که همواره جایگشتی از Label ها را ارائه کند. اما استفاده از کلمه ی جایگشت در حوزه ی مسئله ی ما جایز و صحیح است.)

به دسته ای مسائلی که مدل به ازای هر رکورد از داده، ارجحیت دو برچسب (Label) نسبت به هم را پیشنهاد می دهد، Pair-wise می گوییم و اکنون نشان می دهیم که مسئله ی ما از این دسته مسائل است. با توجه به اینکه داده های ما به دو دسته تقسیم می شوند ، 1- دسته هایی که ارجحیت با Label اول است و 2- بالعکس ، می توان آن را با یک Pair-wise classification(or Preference) متناظر (Map) کرد. به شکل 3 و 4 توجه کنید.
شکل 3
شکل 4
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
اکنون می خواهیم شرایط مسئله ی فرد موثرتر را بررسی کنیم. ما دو Label A,B را داریم و تنها دو ارجحیت A>B و B<A. اگر اولی را معادل 1 و دومی را معادل صفر بگیریم، یا در حالت پیوسته به نسبت ارجحیت عددی را از [0,1] به آن نسبت دهیم با یک مسئله ی جفتی رو به رو می شویم.
در بخش بعد به شرح بیشتر مجموعه ی دادگان مسئله می پردازیم.

۴.۲. مجموعه ی دادگان

مجموعه های دادگان (Data sets) ما مربوط به شبکه ی اجتماعی توییتر هست و در هر ردیف آن ویژگی (attribute) های پروفایل دو کاربر و انتخاب انسان ذکر شده است. دو دسته دیتاست که یکی برای آموزش سیستم و دیگری برای تست سامانه است، موجود است. اشخاص با حروف A و B مشخص شده است. در صورتی که اتریبیوت انتخاب (Choice) برابر یک باشد، شخص A و اگر صفر باشد شخص B توسط انسان شخص موثری تری تشخیص داده شده است.
برای هر کاربر 11 اتریبیوت موجود است که عبارتند از: 1- دنبال کنندگان (Followers) 2- دنبال شوندگان (Followings) 3- تعداد حضور در لیست ها 4- نرخ منشن شدن ها 5- نرخ ریتوییت شدن ها 6- نرخ منشن کردن ها 7- نرخ ریتوییت کردن ها 8- نرخ پست گذاری 9-10-11 – network features
حجم داده ی آموزشی 5500 رکورد و حجم داده ی تست 5950 رکورد است.
۴.۳. ساختن مدل
۴.۳.۱. بیز ساده

روش های09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail] مدل سازی را در بخش کار های مرتبط بررسی کردیم. اکنون به ساخت مدل می پردازیم. بیز ساده (Naive Byes) یک روش دسته بندی است. این روش به دلایل زیر برای مسئله ی ما مناسب می باشد.

    مناسب برای کلاسه بندی های بین صفر و یکی یا اصطلاحا دو دویی (باینری) می باشد.

    یک روش آماری است و برای مسائلی که مجموعه ی دادگان آن ها به فرم رکورد (Record) است مناسب است.

    آموزش دادن مدل کار سختی نیست و در مدت کوتاهی قابل انجام است.
    در این روش ما باید تمامی ویژگی ها را به صورت گسسته دربیاوریم. برای این کار می توانیم، از روش های مختلف گسسته سازی (discretization) بهره بگیریم.
    قاعده ی بیز، احتمال رخدادی را در صورت قطعی بودن رخداد دیگری پیش بینی می کند. گسسته سازی مجموعه دادگان، تعداد حالات ما را محدود و شمارا می کند. از این رو، به کمک داده های آموزشی می توانیم برای هر حالتی احتمالی را به آن حالت نسبت دهیم.
    بعد از ساختن مدل، اکنون هر رکورد جدیدی را برحسب فرمول به دست آمده طبق بیز ساده می توانیم با احتمالی بر حسب داده های مشابه به دست آمده است، دسته بندی کنیم.
    ما برای هر رکورد چند ویژگی داریم و هر ویژگی متعلق به دو کاربر است. لذا می توانیم بر حسب اختلاف ویژگی های مربوط به هر کاربر، قاعده ی بیز را اعمال کنیم.
    به طور کلی فرمول قاعده ی بیز به شکل زیر است:
    قاعده ی بیز
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
در این شکل C ویژگی مورد سوال است که در مسئله ی ما برتری A یا B مورد سوال است. x آن رخدادی است که محقق شده است. در مسئله ی ما هر x دسته ای از داده ی حاصل شده از تفاضل ویژگی های کاربران است که به وسیله ی گسسته سازی یکسان می شوند.
اکنون با چالشی رو به می شویم. به دلیل این که ویژگی x در واقع خود ترکیب 11 ویژگی متفاوت است، حالت های بسیار زیادی دارد. زیرا گسسته سازی اگر هر ویژگی را به k بخش تقسیم کند، آن گاه k به توان یازده حالت داریم!
اگر این کار را برای هر ویژگی جداگانه انجام دهیم، با فرض بالا 11k حالت داریم. یعنی اگر به کمک این 11k حالت بتوانیم تمام حالت ها را تولید کنیم پیچیدگی مدل سازی را از نمایی به حالت چند جمله ای کاهش دادیم. به کمک فرمول زیر قادر خواهیم بود که این کار را انجام دهیم:
اگر X، همه ی ویژگی ها x1 تا xn هر ویژگی باشد:
p(c|X) = p(x1|c)p(x2|c)...p(xn|c)p(c)
در مسئله ی ما شرط c، موثر بود شخص A (و نقیض آن شخص ) می باشد. X دقیقا یکی از 11k حالت است و هر یک از xi ها یکی از حالت هایی است که هر ویژگی پس از گسسته شدن به آن تصویر (mapped) شده است.
هر چقدر گسسته سازی مناسب تر باشد، مدل ما دقیق تر است و پاسخ های بهتری را به ما می دهد.
۴.۳.۲. تبدیل پاسخ مدل به یک مدل آموزش برای رتبه بندی (Learning to rank)
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
مدل ما یک مدل جفتی (دوتایی) برای رتبه بندی است. اما مسئله ی ما در ابتدا، پیدا کردن افراد موثر در کل جامعه ی نمونه ی ما بود. برای استفاده از نتایج مدل به دست آمده، باید تعداد نتایج به اندازه ی کافی باشد. در بهترین حالت (ایده آل و تقریبا غیر ممکن)، زمانی که کاملا اتفاقی داده های ما خود به ترتیب اولویت باشد با پیچیدگی زمانی خطی بر حسب تعداد کاربران بدون تکرار (distinct) می توان به یک رتبه بندی کلی رسید. اما بهترین حالت اصلا محتمل نیست و انتخاب زوج ها برای مقایسه و ترتیب مقایسه ها کاملا تصادفی است. در بد ترین حالت نیز با داشتن n(n-1)/2 نتیجه از مقایسه ی جفتی که در آن n تعداد تمام کاربران جامعه ی نمونه است، می توان به نتایج کافی رسید.[4]
یکی از راه های کاهش مقایسه ها گروه بندی کاربران است. سپس بالا و پایین هر گروه را با هم مقایسه می کنیم. اما در این روش نیز برای رسیدن به یک رتبه بندی مطلق (absolute) باید این کار را چند مرحله تکرار کنیم و در حالت میانگین (average case) پیچیدگی n^2 است.
۵. کارهای آینده

مهم ترین کار در آینده پیاده سازی مدل پیشنهادی در مقاله است.
همچنین برای رسیدن به مدل دقیق تر در حل این مسئله می توان:
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
    در صورت داشتن زمان، فضا و مجموعه ی دادگان کافی مدل سازی از روش شبکه های عصبی را بررسی کرد.

    روی روش های گسسته سازی مناسب تر کار کرد. برای مثال، برای داده هایی که به صورت یکسان توزیع نشده اند روش های وزن دار را به کار برد.
    همانگونه که در مقدمه اشاره شد، این مسئله به دلیل آن که انسان و نظر انسان را مورد مطالعه قرار می دهد در حوزه ی علوم شناختی نیز ارزشمند است. می توان نتایج حاصل از این تحقیق را در اختیار دانشمندان علوم شناختی قرار داد تا از آن در تحقیقات خود بهره ببرد.
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
۶. مراجع

[1] Data Mining Concepts and Techniques (Chapter 3-7-8), J.Han and others, third edition, 20