اعظم حسین نژاد - دانشجوی کارشناسی گروه کامپیوتر دانشگاه آزاد اسلامی واحدرودسرواملش
سوده توسلی - عضو هیئت علمی گروه کامپیوتر دانشگاه آزاد اسلامی واحد رودسرواملش

امروزه فرایند استخراج اطلاعات معتبر ناشناخته قابل فهم و قابل اعتماد از مجموعه داده های بزرگ و استفاده از آن در تصمیم گیری و در فعالیت تجاری داده کاوی نامیده میشود همواره در رابطه با تحلیل و بررسی داده های با حجم بالا با مشکل طلسم ابعاد و پیچیدگی پایگاه داده مواجه هستیم علم داده کاوی شامل کاربرد ابزاری برای تحلیل داده های مصنوعی و کشف الگوهای ناشناخته ی معتبر و روابط بین مجموعه های داده وسیع می باشد این ابزارها می تواند شامل مدلهای اماری الگوریتمهای ریاضی و روشهای یادگیری ماشین الگوریتمهایی که بطور خودکار اجرایشان را از طریق تجربیات بهبودمی بخشند از قبیل شبکه های عصبی یا درختان تصمیم باشد. استفاده ازا ین الگوریتم ها در مباحث مختلف صنعتی مدیریتی، مالی ، مهندسی منجر به پیشرفت سازمان در تحلیل داده های وسیع شده است از این رو در این مقاله این الگوریتمهای پرکاربرد و مهم دسته بندی و خوشه بندی در داده کاوی معرفی و از نظر کارایی مورد بررسی قرارگرفته اند.

داده کاوی، درخت تصمیم، ماشین بردار پشتیبان، الگوریتم تقویتی، نزدیک ترین همسایه، خوشه بندی