Α4 Εναλλακτική Κατηγοριοποίηση (Εισαγωγή στην Εξόρυξη Γνώσης από Δεδομένα (data mining)

Το μάθημα αυτό έχει ως στόχο να καλύψει ένα μεγάλο μέρος της εξόρυξης γνώσης από δεδομένα και της οργάνωσης και διαχείρισης αποθηκών δεδομένων. Γίνεται εκτενής αναφορά στις διαδικασίες κατηγοριοποίησης, συσταδοποίησης και ανακάλυψης κανόνων συσχέτισης αλλά και ειδικότερες παρουσιάσεις σε πιο εξειδικευμένα αντικείμενα όπως η ανίχνευση εξαιρέσεων, η εξόρυξη γνώσης από κείμενα και η μείωση της διαστατικότητας. Το μάθημα πλαισιώνεται από εργαστήριο στο οποίο διδάσκονται όλα τα παραπάνω με ασκήσεις και πειραματικές μετρήσεις.

Δεδομένα
Τιμές και χαρακτηριστικά
Σώματα δεδομένων
Εγγραφές-Συναλλαγές-Γράφοι
Θόρυβος και Εξαιρέσεις
Δειγματοληψία
Διαστατικότητα
Αποστάσεις Διανυσμάτων
Οπτική εξερεύνηση - Προεπεξεργασία
Το σώμα δεδομένων IRIS
Μέτρα θέσεως
Αναπαράσταση και ταξινόμηση
Box, scatter,matrix plots
Παράλληλες συντεταγμένες
Star Plots-Sticky Figures
Κατηγοριοποίηση
Δέντρα αποφάσεων
Μετρητές ποιότητας διαχωρισμού
Overfitting και Under Fitting
Αποτίμηση μοντέλου
Καμπύλες ROC
Κανόνες Απόφασης
Bayesian κατηγοριοποίηση
Parzen Windows-Neural Networks
Support Vector Machines
Genetic Algorithms
Ensemble Classifiers
Συσταδοποίηση
Τύποι συστάδων
K-means
Hierarchical Clustering
DBSCAN
Expectation Maximization
Ανακάλυψη Κανόνων Συσχέτισης
Apriori
FP-Growth
Μέτρα αποτίμησης κανόνων
Support-based pruning
Κανόνες συσχέτισης πολλών επιπέδων
Προχωρημένα Θέματα Εξόρυξης Δεδομένων
Ανίχνευση Εξαιρέσεων
Latent Semantic Indexing-Text mining
Feature Reduction- Singular Value Decomposition
Αποθήκες Δεδομένων
Λειτουργίες OLAP
Κύβος Δεδομένων
Κυβοειδή και αρχιτεκτονικές OLAP
OLAP Servers
Συντήρηση Αποθηκών Δεδομένων

#Data_Mining #Εξόρυξη_Γνώσης #Κατηγοριοποίηση #Συσταδοποίηση #Ανακάλυψη_Κανόνων_Συσχέτισης #K-means #Δέντρα_απόφασης #Bayesian_κατηγοριοποίηση #classification #clustering #Αποθήκες_Δεδομένων #data_warehouse