التنقيب التطوري عن البيانات

قبل استخراج البيانات من قواعد البيانات باستخدام الخوارزميات التطورية، يجب تنظيفها أولاً، ^{[ 2 ]} وهذا يعني إصلاح البيانات غير المكتملة أو المشوشة أو غير المتناسقة. من الضروري القيام بذلك قبل بدء عملية الاستخراج، لأنه سيساعد الخوارزميات على إنتاج نتائج أكثر دقة. ^{[ 3 ]}

إذا كانت البيانات مستمدة من أكثر من قاعدة بيانات، فيمكن دمجها أو توحيدها في هذه المرحلة. ^{[ 3 ]} عند التعامل مع مجموعات بيانات ضخمة، قد يكون من المفيد أيضًا تقليل حجم البيانات المُعالجة. ^{[ 3 ]} إحدى الطرق الشائعة لتقليل حجم البيانات هي الحصول على عينة مُعَيَّرة من البيانات من قاعدة البيانات، مما ينتج عنه نتائج أسرع بكثير، ولكنها مكافئة إحصائيًا. ^{[ 3 ]}

في هذه المرحلة، تُقسّم البيانات إلى عنصرين متساويين لكنهما متنافيان، وهما مجموعة بيانات اختبار ومجموعة بيانات تدريب. ^{[ 2 ]} ستُستخدم مجموعة بيانات التدريب لتطوير قواعد تتوافق معها بشكل وثيق. ^{[ 2 ]} بعد ذلك، ستؤكد مجموعة بيانات الاختبار هذه القواعد أو تنفيها. ^{[ 2 ]}

تعمل الخوارزميات التطورية عن طريق محاكاة التطور الطبيعي . ^{[ 3 ]} أولًا، تُطبَّق سلسلة عشوائية من "القواعد" على مجموعة بيانات التدريب، والتي تحاول تعميم البيانات في صيغ رياضية. ^{[ 3 ]} تُفحص القواعد، وتُحتفظ بالقواعد التي تُناسب البيانات بشكل أفضل، بينما تُستبعد القواعد التي لا تُناسبها. ^{[ 3 ]} ثم تُجرى تعديلات على القواعد المُحتفظ بها، وتُضاعف لإنشاء قواعد جديدة. ^{[ 3 ]}

تتكرر هذه العملية حسب الحاجة لإنتاج قاعدة تُطابق مجموعة البيانات بأكبر قدر ممكن. ^{[ 3 ]} عند الحصول على هذه القاعدة، يتم التحقق منها مقابل مجموعة بيانات الاختبار. ^{[ 2 ]} إذا كانت القاعدة لا تزال تُطابق البيانات، فإنها تُعتبر صالحة ويتم الاحتفاظ بها. ^{[ 2 ]} أما إذا لم تكن تُطابق البيانات، فيتم تجاهلها وتبدأ العملية باختيار قواعد عشوائية مرة أخرى. ^{[ 2 ]}