داده کاوی یک تکنولوژی مبتنی بر روش های آماری ریاضی آماری است و ترکیبی از بسیاری از الگوریتم های پردازش پیچیده داده ها است. این توانایی برای تجزیه و تحلیل داده های مقیاس پذیر، چند بعدی، متنوع، پیچیده و دیگر انواع داده ها را دارد.
داده کاوی (Data Mining) فرایندی است که به وظیفه کشف الگوها را در مجموعه داده‌های بزرگ برعهده دارد. روش داده کاوی در تقاطع یادگیری ماشین، آمار و سیستم های پایگاه داده است. اصول داده کاوی، تکنیک‌های اصلی داده کاوی را توضیح داده و کاوش می‌کند.
داده کاوی (به انگلیسی: Data Mining)، به مفهوم استخراج اطلاعات نهان یا الگوها و روابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ گفته می‌شود. بسیاری از مردم داده کاوی را مترادف واژه‌های رایج کشف دانش در پایگاه‌داده‌ها (به انگلیسی: knowledge discovery in databases) (اختصاری KDD) می‌دانند. داده‌کاوی، پایگاه‌ها و مجموعه حجیم داده‌ها را در پی کشف و استخراج، مورد تحلیل قرار می‌دهد. این‌گونه مطالعات و کاوش‌ها را به واقع می‌توان همان امتداد و استمرار دانش کهن و همه جا گیر آمار دانست. تفاوت عمده در م
2016年10月24日 داده‌کاوی عبارت است از فرآیند اکتشاف الگو و روندهای منظم و پنهان در داده‌های بزرگ و توزیع شده، با استفاده از مجموعه وسیعی از الگوریتم‌های مبتنی بر علوم ریاضی و آمار.
کلیک کنید نویز «نویز» (Noise نوفه) از یک سو، در تعریف به نمادها و سمبل‌ها و یا داده‌های ایجاد شده به صورت تصادفی که فاقد معنای خاصی هستند گفته می‌شود. بر همین اساس، گاهی داده‌هایی که دارای خطا هستند نویزی (دارای نویز) نامیده می‌شوند.
داده کاوی یکی از اصول رشته علوم داده (Data Science) محسوب می شود و با تحلیل پیش نگر (Predictive Analytic) متفاوت است. در حقیقت دیتا ماینینگ سعی بر پیش بینی آینده دارد در حالی که مدل تحلیل پیش نگر فقط به بررسی ...
