Mühazirə Bilik anlayışı. Biliklərin təsvir və təqdim üsulları

DATA MINING texnologiyasınnın metodları və mərhələləri
DATA MINING texnologiyasının əsas xüsusiyyəti ondan ibarətdir ki, o, riyazi metodlarla informasiya texnologiyalarının son nailiyyətlərini özündə cəmləyir. Burada ciddi formal metodlarla qeyri-formal metodlar harmonik olaraq birləşirlər.
DATA MINING-in metodlarına və alqoritmlərinə aşağıdakılar aiddir:
-süni neyron şəbəkələri;
-həll etmə ağacları;
-simvol qaydaları;
-yaxın qonşu və k-yaxın qonşu metodları;
-bayes şəbəkələri;
-xətti reqressiya;
-korrelyasiya-reqressiya analizi;
-klaster analizininn iyerarxik metodları;
-assosiativ qaydaların axtarış metodları, o cümlədən, Apriori alqoritmi;
-məhdud seçim metodu;
-təkamül proqramlaşdırma və genetik alqoritmlər;
-vizuallaşdırma metodları və s.
DATA MINING texnologiyasında istifadə edilən metodların əksəriyyəti riyaziyyatın məlum alqoritmləri və metodlarıdır. Onların tətbiqində yenilik texniki və proqram vasitələri ilə onların reallaşdırılmasından ibarətdir. DATA MINING-in əksər metodları süni intellekt nəzəriyyəsi çərçivəsində yaradılmışdır.
DATA MINING texnologiyası iki və ya üç mərhələdən ibarət olur:
1-ci mərhələ-qanunauyğunluqların üzə çıxarılması. Bu mərhələyə sərbəst axtarış mərhələsi deyilir.
2-ci mərhələ-aşkarlanan qanunauyğunluqlardan istifadə etməklə naməlum qiymətlər haqqında qabaqcadan xəbər verilməsi (proqnostik modelləşdirmə).
Bu iki mərhələyə əlavə olaraq bəzən sərbəst axtarış mərhələsindən sonra yerinə yetirilən validasiya adlanan mərhələ də daxil edilir. Validasiyada məqsəd tapılan qanunauyğunluqların düzgünlüyünün yoxlanılmasıdıır. Lakin çox vaxt validasiyanı 1-ci mərhələnnin tərkib hissəsi kimi qəbul edirlər, çünki bir çox metodların reallaşdırlmasında, o cümlədən, neyron şəbəkələrdə və həll etmə ağaclarında verilənlər çoxluğu iki hissəyə bölünür: öyrədilən və yoxlayıcı. Sonuncular alınan nəticələrin düzgünlüyünü yoxlamağa imkan verirlər.
3-cü mərhələ-istisnaların analizi. Bu mərhələ tapılan qanunauyğunluqlarda anomaliyalarıın aşkarlanması və izahı üçün nəzərdə tutulub.
Beləliklə DATA MINING prossesi ardıcıl yerinə yetirilən üç mərhələ kimi təsvir oluna bilər:
sərbəst axtarış  proqnostik modelləşdirmə  istisnaların analizi.
1.Sərbəst axtarış (Discovery). Bu mərhələdə gizli qanunauyğunluqları axtarıb üzə çıxarmaq məqsədilə verilənlər massivi tətbiq edilir. Qanunauyğunluqların növü barəsində ilkin hipotezlərə burada baxılmır.
Qanunauyğunluq (law)-müxtəlif hadisələrin və ya proseslərin təşəkkülü və inkişafı prosesinin mərhələlərini və formalarını təyin edən mühüm və daima təkrarlanan qarşılıqlı əlaqələrdir. Qanunauyğunluqları tapmaq ücün DATA MINING şablonlar təyin edir.
Sərbəst axtarış aşağıdakı əməliyyatlarla yerinə yetirilir:
-şərti məntiq qanunauyğunluqlarının tapılması;
-assosiativ məntiq qanunauyğunluqlarınnın tapılması;
-meyletmələrin və variasiyaların (trends and variations) aşkarlanması.
Sərbəst axtarış zamanı sistemin özü qanunauyğunluqları axtarır, bunun üçün yalnız məqsəd dəyişənini vermək lazımmdır. Qanunauyğunluqların axtarışı nəticəsində sistem «əgər ... onda» məntiqi qaydaları formalaşdırılır.
Fərz edək ki, kadr agentliyinin peşə, staj, yaş və arzu olunan əmək haqqı barəsində verilənlərə malik olan verilənlər bazası var. Əgər məqsəd dəyişəni kimi «peşə» verilsə, sistem aşağıdakı qanunauyğunluqları tapa bilər:
«Əgər yaş 25 və arzu olunan əmək haqqı 700 $, onda 75% hallarda iddiaçı proqramçı işini axtarır» və ya «Əgər yaş 35 və arzuolunan əmək haqqı 1200$ , onda 90% hallarda iddiaçı rəhbər vəzifə axtarır».
Digər məqsəd dəyişəni, məsələn, «Yaş» verildikdə aşağıdakı qayda alına bilər: «Əgər iddiaçı rəhbər vəzifə axtarırsa və stajı 15 isə, onda 70% hallarda iddiaçının yaşı 35-dir».
Baxılan əməliyyatlar sərbəst axtarış çərçivəsində aşağıdakı vasitələrlə yerinə yetirilir:
-şərti məntiq qaydalarının induksiyası ilə (təsnifat və klasterləşdirmə məsələləri, yaxın və ya oxşar obyektlər qruplarının yığcam formada təsviri):
-assosiativ məntiq qaydalarının induksiyası ilə (assosiasiya və ardıcıllıq məsələləri);
-meyletmələrin (trendlərin) və variasiyaların təyini ilə (proqnozlaşdırma məsələsinin ilkin mərhələsi).
Sərbəst axtarış mərhələsində həmçinin qanunauyğunluqların validasiyası yerinə yetirilir, yəni onların qanunauyğunluqların formalaşdırılmasında iştirak etməyən verilənlər üçün doğruluğu yoxlanılıır. Verilənlərin «öyrədilən» və «yoxlanan» kimi iki hissəyə ayrılmasından ən çox neyron şəbəkələri və həll ağacları metodlarında istifadə edilir.