نجمه ابراهیمی - دانشگاه آزاد اسلامی واحد علوم و تحقیقات
محمدرضا فنایی - دانشگاه آزاد اسلامی واحد بردسیر

با توسعه سریع فن آوری اطلاعات، مجموعه پایگاه داده های بزرگ در شبکه های داده ای جهانی درحال رشد هستند جهت استفاده از حجم زیاد داده ها در پایگاه داده های بزرگ نیاز به ابزاری هات تجزیه و تحلیل و تفسیر داده ها وجود دارد. داده کاویمجموعه ای از فعالیت ها برای پیدا کردن الگوهای هدید، مخفی و یا غیر مدتظره از داده ها و یا الگوهای غیر معمول است. هر یک از مجموعه ها با ی کلاس از پیش تعریف شده طبقه بندی می شوند. هدف از طبقه بندی، پیش بینی هرگروه ازمجموعه داده هاست. در این مقاله اهداف، مزایا و الگوریتم های شش تکدی معموش طبقه بددی شامل روش القاء درخت تصمیم گیری روش مبتدی بر قانون، یادریری مبتدی بر حافظه، شبکه های عمبی، شبکه های بیزی و پشتیبانی ماشین بردار مرور می شود و سپس کاربرد این تکدی ها در برنامه های کاربردی از جمله تشخیص حمله تزریقSQL تشخیص نفوذ در شبکه، تجزیه و تحلیل داده ، های بیولوژیک و تجزیه و تحلیل داده های سری زمانی با مقیاس بالا بررسی می شود. در آخر جمع بندی ازعملکرد تکنیک های طبقه بندی در این برنامه های کاربردی ارائه می شود

داده کاوی، طبقه بددی، درخت تصمیم گیری، قوانین وابستگی