Veri madenciliği bir merkezde toplanan çok büyük miktardaki bilgilerden istenilen ve uygulanabilir bilginin keşfedilmesini sağlamaktır. Veri madenciliği bilgi endüstrisi ve toplumunda kullanılmaya başlanmıştır. Pek çok veri madenciliği metodu kullanılmakla birlikte, son yıllarda bu teknikler hayvancılık alanında dikkat çekici olmuştur. Hayvancılıkla ilgili karmaşık problemlerin çözümü için pek çok metot ele alınmış ve geliştirilmiştir. Çalışmada kortalamaları yaklaşımı, k-en yakın komşu yaklaşımı, çok değişkenli uyarlanır regresyon eğrileri (Multivariate Adaptive Splines, MARS), Bayes sınıflandırıcıları (Naive Bayesian Classifiers, NBC), yapay sinir ağları (Artificial Neural Networks, ANN), destek vektör makineleri (Support Vector Machines, SVM), karar ağaçları gibi veri madenciliği yöntemleri hakkında kısa bilgi verilmiştir. Bu çalışma ile veri madenciliği metotları tanıtılacak ve dünyada veri madenciliğinin hayvancılık alanındaki uygulamalarına örnekler verilecektir.
Data mining is to ensure the discovery of the desired and applicable information from the very large amounts of information collected in a center. Data mining has begun to be used in the information industry and society. While many data mining methods have been used, these techniques have been remarkable in the farming field in recent years. Many methods have been addressed and developed to solve complex problems related to livestock. The study provided brief information on the approach of cortables, the closest neighboring approach, the multi-variable adjusted regression curves (Multivariate Adaptive Splines, MARS), Bayes classifiers (Naive Bayesian Classifiers, NBC), artificial nerve networks (Artificial Neural Networks, ANN), support vector machines (Support Vector Machines, SVM), and data mining methods such as decision trees. This study will introduce data mining methods and give examples of data mining practices in the world in the field of livestock.
Field : Ziraat, Orman ve Su Ürünleri
Journal Type : Uluslararası
Relevant Articles | Author | # |
---|
Article | Author | # |
---|