A lap 2007. október 26., 12:19-kori változata

2007.10.26. - Adatbányászati blokk

Brechler Zsolt

Döntési fákkal fogunk foglalkozni. Weka tudományos szempontból érdekes,többet tud mint egy SPSS.

• Adatbányászat/tudáskinyerés: implicit módon tudnak előállni.

ADöntési fákkal fogunk foglalkozni.

• tranzakciós adatbázisrendszer,vezetői információs rendszer,adattárház,adatpiac

Tuzes Gyorgy

adatbanyaszati modelleket leginkabb banki kornyezetekbe hasznaljak

fobb hasznalati teruletek

-lemorzsolodas vizsgalat -ugyfelszegmentacio -kockazatelemzes

Alkalmazza a mesterseges intellignciat.

Kurucz Eszter

Adatbányászat feladata:

• Leíró adatbányászat:egy adathalmaz tulajdonságainak tömör feltárása.
• prediktív adatbányászat:Jövőben viselkedés előrejelzése.

A prediktív adatbányászathoz tartozik az osztályozás, melynek módszerei közé tartozik :

• Döntési fák
• Logisztikus regresszió
• Mesterséges neurális hálózatok

Döntési fák:

• Egyszerű,könnyen értelmezhető módon ábrázolják azt a szabályrendszert, mellyel az objektumokat rendezzük.
• Ha..,akkor... típusú szabályokkal is megfogalmazhatjuk.
• A fa építésnél meg kell határozni, hogy melyik résznél történjen a vágás.

Entropia:alkalmas a rendezettség mérésére.

Mesterséges neurális hálózatok:

• kategóri és folytonos függő változót is képesek kezelni
• felépítése:
  • Bemeneti réteg
  • Rejtett réteg
  • Kimeneti réteg

Bicók Csongor

Horváth Henrietta

Gáncs Júlia

Bogyay Gábor

Vékony Viola

Adatbányászat feladata:

• Leíró adatbányászat
• prediktív adatbányászat

Pauleczki Mihály

Sápi András

Döntéshozó,weka,spss.Az adatbányászat tudáskinyerés.Forrás rendszerek v. tranzakciós rendszrek.Adattárház:elemzői szempontból releváns adatokat tartalmaz,innen nyerjük ki a rengeteg adatból ami majd kell az adatpiacnak.

Putnoki Gyula

Palatinus Miklós

Döntési fa weka-val, vagy spss-el. adatbányászat: nagy adathalmazból információt nyerjünk ki. adattárház: elemzői szempontból releváns adatokat tartalmaz.(döntéstámogató) adatpiac: egy-egy csoportnak releváns adatokat jelenít meg.(ebből dolgozik)

• általános jellemzői: Egy adott üzleti terület vagy üzleti megoldás adatkörét tartlamazzák, gyors adatelérést biztosítanak.

Adatpiac használatai:

• CRM (ügyfélkapcsolatok): Kampánymenedzsment, ügyfélszegmentáció, válaszadási modellek, ügyfélérték
• Kockázatelemzés: csalásfelderítés, behajtás, hitelpontozó kártyák, Basel II modell

Adatbányászat által használt területek: statisztika, mesterséges intelligencia, adatbányászat lépései:

• adattisztítás (inkonzisztens adatok eltávolítása)
• hiányzó értékek problémályának megoldása
• adatkiválasztás (mely adatok relevánsak az adott, modellezendő probéma tekintetében)
• adattranszformáció (modellezéshez szükséges formátumú, aggregáltságú adatkör kialakítása
• adatbányászat
• kiértékelés (a valóban értékes információk kiválasztása
• tudásmegjelenítés

leíró adatbányászat: tulajdonságainak tömör, összefoglaló jellegű feltárása.

• adatok megjelenítése, összesítések

prediktív adatbányászat (osztályozó eljárás) módszerek:

• döntési fák
• logisztikus regresszió
• mesterséges neurális hálózatok

Döntési fák:

egyszerű, könnyen értelmezhető. Ha.., akkor.. típusú szabályokkal megfogalmazható ID3 algoritmus: attribútum-érték párosra kiszámolja az entrópiát(rendezettség mérésére).

Neurális hálózatok

• kategória és folytonos függő változót is képesek kezelni
• akár több száz, egymással is összefüggő megyarázó változót tud hatékonyan használni
• felépítése:
  • bemeneti réteg(független változók)
  • rejtett réteg
  • kimeneti réteg(függő változók)

2007.11.09. - Adatbányászati blokk

xy

zq

2007.11.30. - Adatbányászati blokk

xy

zq