Data Mining and Knowledge Discovery with Evolutionary Algorithms

این کتاب دو حوزه علم کامپیوتر یعنی داده کاوی و الگوریتم های تکاملی را ادغام می کند. هر دوی این حوزه ها در چند سال اخیر به طور فزاینده ای محبوب شده اند و ادغام آنها در حال حاضر منطقه ای از تحقیقات فعال است. به طور کلی داده کاوی شامل استخراج دانش از داده ها است. در این کتاب ما به ویژه بر اهمیت کشف دانش قابل درک و جالب تأکید می کنیم که به طور بالقوه برای تصمیم گیری هوشمندانه برای خواننده مفید است. به طور خلاصه، انگیزه استفاده از الگوریتم‌های تکاملی در داده‌کاوی این است که الگوریتم‌های تکاملی روش‌های جستجوی قوی هستند که جستجوی جهانی را در فضای راه‌حل‌های نامزد (قوانین یا شکل دیگری از نمایش دانش) انجام می‌دهند. در مقابل، اکثر روش‌های القای قوانین، جستجوی محلی و حریصانه را در فضای قوانین نامزد انجام می‌دهند. به طور شهودی، جستجوی جهانی الگوریتم‌های تکاملی می‌تواند قوانین و الگوهای جالبی را کشف کند که با جستجوی حریصانه از دست می‌روند.
این کتاب مروری جامع از مفاهیم اساسی در مورد داده‌کاوی و الگوریتم‌های تکاملی ارائه می‌کند و پیشرفت‌های قابل توجهی را در ادغام این دو حوزه این مستقل است و هم مفاهیم اولیه و هم موضوعات پیشرفته را توضیح می دهد.

This book integrates two areas of computer science, namely data mining and evolutionary algorithms. Both these areas have become increasingly popular in the last few years, and their integration is currently an area of active research. In general, data mining consists of extracting knowledge from data. In this book we particularly emphasize the importance of discovering comprehensible and interesting knowledge, which is potentially useful to the reader for intelligent decision making. In a nutshell, the motivation for applying evolutionary algorithms to data mining is that evolutionary algorithms are robust search methods which perform a global search in the space of candidate solutions (rules or another form of knowledge representation). In contrast, most rule induction methods perform a local, greedy search in the space of candidate rules. Intuitively, the global search of evolutionary algorithms can discover interesting rules and patterns that would be missed by the greedy search.
This book presents a comprehensive review of basic concepts on both data mining and evolutionary algorithms and discusses significant advances in the integration of these two areas. It is self-contained, explaining both basic concepts and advanced topics.