Detekce anomálií v klasifikovaných datech: Vyhodnocování

Bc. Dušan Hetlerović

Bachelor's thesis

Class-based outliers: Evaluation

Anotácia:

V tejto práci sa najprv zaoberáme konceptom odľahlých bodov v klasifikovaných aj neklasifikovaných dátach. Následne porovnávame dva hlavné spôsoby získavania dátových sád na ohodnotenie metód detekcie odľahlých bodov: tvorbu nových a úpravu existujúcich dát. Ďalej v práci popisujeme existujúce metódy detekcie odľahlých bodov v klasifikovaných dátach. Nato predstavíme náš vlastný dátový generátor, pomocou ktorého vygenerujeme dáta vhodné na vyhodnocovanie detekcie odľahlých bodov v klasifikovaných dátach. Na záver pomocou týchto dát porovnávame spomínané metódy a vyhodnocujeme ich chovanie a výkon.

Abstract:

In this thesis, we first explain the concept of both general and class-based outliers. We then compare the two main approaches of obtaining suitable datasets for the evaluation of outlier detection: generating new data or altering existing ones. We follow this with the introduction of existing methods for outlier detection in classified data. Finally, we present our own data generator capable of creating numerical, categorical or mixed datasets and use the output of this generator to evaluate and observe the detection methods' performance and behavior on these datasets.

Keywords

outlier detection, class outliers, synthetic data, data generation, outlier evaluation, data mining, machine learning

Jazyk práce: English

Datum vytvoření / odevzdání či podání práce: 28. 5. 2018

Obhajoba závěrečné práce

• Obhajoba proběhla 25. 6. 2018
• Vedúci: doc. RNDr. Lubomír Popelínský, Ph.D.
• Oponent: RNDr. Karel Vaculík

Masaryk University

Faculty of Informatics

Bachelor programme / odbor:
Informatics / Computer Systems and Data Processing