Data Mining

Arezoo Noushiravan

Bachelor's thesis

Abstract:

Tato bakalářská práce je zaměřená na data miningu. Data mining je analytická metodologie získávání netriviálních skrytých a potenciálně užitečných informací z dat. Klasifikace a Clustering (Shluková analýza) jsou dvě techniky data miningu, Kde klasifikace je ve strojovém učení a statistice druh problému, když máme určit, do které z kategorií dat dané pozorování patří, a shluková analýza je vícerozměrná statistická metoda, která se používá ke klasifikaci objektů. Slouží k třídění jednotek do skupin (shluků) tak, aby si jednotky náležící do stejné skupiny byly podobnější než objekty z ostatních skupin. Data mining se používá v komerční sféře (například v marketingu při rozhodování, které klienty oslovit dopisem s nabídkou produktu), ve vědeckém výzkumu (například při analýze genetické informace) i v jiných oblastech (například při monitorování aktivit na internetu s cílem odhalit činnost potenciálních škůdců). Úvod je zaměřen na vymezení základních pojmů z teorie data miningu a popsány jeho základní techniky. V druhé části jsou za pouţití rozhodovacích stromů.

Abstract:

This thesis is concerned with Data Mining: Generally, data mining (sometimes called data or knowledge discovery) is the process of analyzing data from different perspectives and summarizing it into useful information - information that can be used to increase revenue, cuts costs, or both. Data mining is primarily used today by companies with a strong consumer focus - retail, financial, communication, and marketing organizations. It enables these companies to determine relationships among "internal" factors such as price, product positioning, or staff skills, and "external" factors such as economic indicators, competition, and customer demographics. And, it enables them to determine the impact on sales, customer satisfaction, and corporate profits. Finally, it enables them to "drill down" into summary information to view detail transactional data. The initial phase of a data mining project focuses on understanding the project objectives and requirements. Once you have specified the project from a business perspective, you can formulate it as a data mining problem and develop a preliminary implementation plan. For example, your business problem might be: "How can I sell more of my product to customers?" You might translate this into a data mining problem such as: "Which customers are most likely to purchase the product?" A model that predicts who is most likely to purchase the product must be built on data that describes the customers who have purchased the product in the past. Before building the model, you must assemble the data that is likely to contain relationships between customers who have purchased the product and customers who have not purchased the product. Customer attributes might include age, number of children, years of residence, owners/renters, and so on.

Keywords

Data Mining, Techniky Dolování Dat, Metody Data Mining, Klasifikace Data Miningu, Clusterová Analýza, Rozhodovacích Stromů, Metoda K-Means, Gain-Ratio, Gini-Index, Dolování dat

Keywords

Data Minig, Data Mining Techniques, Data Mining Prediction, Data Mining Methods, Data Mining Classification, Clustering Technique, Partitioning Method, K-Means Method, Decision Tree, Gain-Ratio & Gini-Index Algorithms

Language used: English

Date on which the thesis was submitted / produced: 30. 11. 2015

Thesis defence

• Supervisor: Ing. Martin Havránek, Ph.D.

Czech University of Life Sciences Prague

Faculty of Economics and Management

Bachelor programme / field:
Systems Engineering and Informatics / Informatics