Algorytmy generowania reguł decyzyjnych

Slides:



Advertisements
Podobne prezentacje
Przykład liczbowy Rozpatrzmy dwuwymiarową zmienną losową (X,Y), gdzie X jest liczbą osób w rodzinie, a Y liczbą izb w mieszkaniu. Niech f.r.p. tej zmiennej.
Advertisements

Data Mining w e-commerce
Mechanizm wnioskowania rozmytego
S – student, P – przedmiot, W – wykładowca
SEMAG 2009 Centrum Badawcze Systemów Teleinformatycznych i Aplikacji Sprzętowych Instytut Tele- i Radiotechniczny WARSZAWA Metoda oceny stanu wyłącznika.
Logarytmy.
CLUSTERING Metody grupowania danych Plan wykładu Wprowadzenie Dziedziny zastosowania Co to jest problem klastrowania? Problem wyszukiwania optymalnych.
Opracowała: Elżbieta Fedko
WekaSQL Język i aplikacja przetwarzania oraz eksploracji danych.
BIOSTATYSTYKA I METODY DOKUMENTACJI
Klasyfikacja Obcinanie drzewa Naiwny klasyfikator Bayes’a kNN
Odkrywanie wzorców sekwencji
Wprowadzenie Sformułowanie problemu Typy reguł asocjacyjnych
Odkrywanie wzorców sekwencji
Wstęp do interpretacji algorytmów
Rozkład normalny Cecha posiada rozkład normalny jeśli na jej wielkość ma wpływ wiele niezależnych czynników, a wpływ każdego z nich nie jest zbyt duży.
Dr Anna Kwiatkowska Instytut Informatyki
PODSTAWY PROGRAMOWANIA
Autor: Maciej Piwowarczyk
FP-Growth Adam Pieśkiewicz Kamil Niezręcki Krzysztof Grześkowiak
Projekt i implementacja aplikacji wspomagającej testowanie
Komputerowa analiza sieci genowych
Autor: Maciej Piwowarczyk
FP-Growth Adam Pieśkiewicz Kamil Niezręcki Krzysztof Grześkowiak Michał Kucal
FP-Growth Adam Pieśkiewicz Kamil Niezręcki Krzysztof Grześkowiak Michał Kucal
Xls2html – biblioteka do konwersji arkuszy Excela do postaci HTML Raport z gry planistycznej Autorzy: Grzegorz Wolak Aleksander Migul.
BADANIA STATYSTYCZNE opracował: Bąk Damian.
Z nieba na ziemię Wykorzystanie technik satelitarnych w praktyce Jakub Ryzenko Kraków, 11 lutego 2008.
Budowa algorytmów Algorytm: skończony ciąg operacji wraz z ściśle sprecyzowanym porządkowaniem ich wykonywania, które po realizacji dają rozwiązanie dowolnego.
Gra Scrabble ® na urządzenie Nokia N800 Autor: Michał Filipowicz Promotor: dr inż. Jerzy Zaczek Konsultant: mgr inż. Krzysztof Rzecki.
KATEDRA SYSTEMÓW AUTOMATYKI Dyplomant – Karol Czułkowski
Studium przypadku „Estymacja krzywej popytu”
POJĘCIE ALGORYTMU Pojęcie algorytmu Etapy rozwiązywania zadań
Export danych do MS Excel z Symfonia Finanse i Księgowość Premium
Instytut Tele- i Radiotechniczny WARSZAWA
Aplikacja do analizy polimorfizmów SNP wykorzystywanych w genomice klinicznej Szymon Stawicki.
Algorytmy i struktury danych
Metadane w opisie hurtowni danych oraz procesie ETL
Częstotliwość próbkowania, aliasing
Analiza komórek w cytofluorymetrii przepływowej przy pomocy narzędzi Data Mining serwera SQL 2008 R2 Marcin Szeliga Trener & Konsultant
Algorytm DIC Dynamic Itemset Countin
A-priori Partition Mateusz Mor, Kasper Rzepecki, Daniel Mendalka, Michał Samsonowski.
Algorytmy.
Analiza wizualna – co to jest i czym to się je
Warszawa 2010 Zgłoszenie w kategorii Telemarketing Tytuł projektu: Klient: Nazwa kategorii: Numer kategorii:
Spis treści W świecie algortmów -Budowa algorytmu
Planowanie badań i analiza wyników
III EKSPLORACJA DANYCH
Politechniki Poznańskiej
IV EKSPLORACJA DANYCH Zadania eksploracji danych: klasyfikacja
Seminarium dyplomowe magisterskie
Algorytmy i Struktury Danych
Metody pozyskiwania wiedzy
JĘZYKI ASSEMBLEROWE ..:: PROJEKT ::..
Weed Wizualna eksploracja danych Tomasz Płuciennik Marcin Mielnicki Michał Krysiński Rafał Fabiański.
Systemy wspomagające dowodzenie twierdzeń
Analiza (odkrywanie) Asocjacji 2 Association rule learning
Wstęp do interpretacji algorytmów
I T P W ZPT 1. I T P W ZPT 2 Synteza logicznaInżynieria informacji Dekompozycja funkcjonalna Odwzorowanie technologiczne FPGA Hierarchiczne podejmowanie.
INFORMATYKA SORTOWANIE DANYCH
Dokumentacja programu komputerowego i etapy tworzenia programów.
BAZY DANYCH Microsoft Access Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i.
Model przydziału zadań. Informacje wstępne ● Podaję tu uproszczoną wersję modelu, którą będziemy stosować w testach. ● Wszystkie trudniejsze wymagania,
WYSZUKIWANIE I OPTYMALIZACJA TRAS DLA URZĄDZEŃ MOBILNYCH ANDROID W OPARCIU O SIEĆ/GRAF DOSTĘPNYCH DRÓG Piotr Dąbrowski, Tomasz Pyśk, Piotr Wojciechowski.
Analiza, projekt i częściowa implementacja systemu wspomagania pracy Referatu Reprografii Promotor: mgr inż. Dariusz OlczykWykonała: Katarzyna Ściwiarska.
Algorytmy, sposoby ich zapisu.1 Algorytm to uporządkowany opis postępowania przy rozwiązywaniu problemu z uwzględnieniem opisu danych oraz opisu kolejnych.
Weed Wizualna eksploracja danych Visual Data Mining Rafał Fabiański Michał Krysiński Marcin Mielnicki Tomasz Płuciennik.
Systemy neuronowo – rozmyte
Efektywność algorytmów
Zapis prezentacji:

Algorytmy generowania reguł decyzyjnych KRZYSZTOF KAŁUŻNY PIOTR PIKUSA

Plan prezentacji Reguły asocjacyjne w teorii i praktyce Cele i zadania Wymagania Wybór algorytmów Plan działania

Reguły asocjacyjne (association rules) znaleźć korelacje wiążące współwystępowanie podzbiorów elementów w dużej kolekcji zbiorów, reguły postaci: X → Y (sup, conf), gdzie : - X, Y są rozłącznymi zbiorami elementów, - sup = wsparcie, oznacza częstotliwość występowania X U Y, - conf = ufność, oznacza prawdopodobieństwo warunkowe P(Y│X)

Reguły asocjacyjne - przykład Itemset Temperature Wind Humidity Play 1 Warm Calm Dry Yes 2 Cold 3 Windy Raining No 4 Gale 5 (Warm, Dry) → Yes sup = 20%, conf = 100% (Dry) → Yes sup = 40%, conf = 67% (Cold, Raining) → No sup = 40%, conf = 100%

Cele i zadania zapoznanie się z kilkoma popularnymi metodami generowania reguł asocjacyjnych porównanie ich pod względem szybkości działania i kosztowności (np. pamięciowej) wybranie najbardziej obiecujących metod i zaimplementowanie ich przygotowanie (w formie raportu) zbiorczego porównania badanych algorytmów i opis problemów i zastosowanych w implementacji rozwiązań

Wymagania wczytywanie pliku z danymi wejściowymi parametryzacja aplikacji ze względu na minimalne progi wsparcia i ufności zapis reguł do pliku tekstowego reguły postaci N : 1

Frequent Itemset Mining Implementations Repository Wybór algorytmów Frequent Itemset Mining Implementations Repository (http://fimi.cs.helsinki.fi/) PatriciaMine (DFS, iterations) FP-Growth

Plan działania zapoznanie się z algorytmami generowania reguł asocjacyjnych prezentacja wstępna [17.03.2008] analiza wybranych algorytmów pod kątem implementacji prezentacja (seminarium) [21.05.2008] opracowanie raportu z przeprowadzonych doświadczeń i prezentacja wyników