Basic Modeling with Altair® RapidMiner®

Η παρούσα ενότητα έχει ως στόχο να περιγράψει έναν γενικό ορισμό της εξόρυξης δεδομένων, καθώς και μια ποικιλία τεχνικών εξόρυξης δεδομένων που μπορούν να εφαρμοστούν σε μια ποικιλία επιχειρηματικών προβλημάτων.

Διάρκεια σε ώρες : 25

 Αξία σε ECTS : 1

Σκοπός αυτής της ενότητας είναι να παράσχει μια επισκόπηση του RapidMiner και των δυνατοτήτων του, όπως:

– Project Pane και Working Directory

– Σύστημα μενού και γραμμή εργαλείων

– Δημιουργία νέων έργων

– Ροές εργασίας, κόμβοι και παλέτες

– Εισαγωγή αρχείων και σύνδεση κόμβων για τη δημιουργία μιας απλής ροής εργασίας

– Βελτίωση, επέκταση και προσθήκη σχολίων σε ροές εργασίας

Διάρκεια σε ώρες : 25

 Αξία σε ECTS : 1

Η εξερεύνηση δεδομένων, ως προκαταρκτική διαδικασία για την περαιτέρω μοντελοποίηση ή απλώς για την προσπάθεια καλύτερης κατανόησης των δεδομένων, είναι ουσιαστικό και αναπόσπαστο μέρος της Εξόρυξης Δεδομένων. Η εξερεύνηση των δεδομένων περιλαμβάνει την εξέταση των χαρακτηριστικών και των κατανομών των πεδίων του συνόλου δεδομένων για τον εντοπισμό πιθανών προβλημάτων και τελικά σημαντικών παραγόντων και μοτίβων που διακρίνουν τα δεδομένα.

Το RapidMiner παρέχει μια σειρά εργαλείων για τη διερεύνηση και τη σκιαγράφηση δεδομένων. Η παρούσα ενότητα περιγράφει τον τρόπο με τον οποίο θα χρησιμοποιείτε και να κατανοείτε βασικές έννοιες σε σχέση με τη διερεύνηση και τη σκιαγράφηση δεδομένων με τη χρήση του RapidMiner

Διάρκεια σε ώρες : 25

 Αξία σε ECTS : 1

Υπάρχουν δύο κύριες ομάδες λειτουργιών που βοηθούν στην προετοιμασία των δεδομένων στο RapidMiner:

– Λειτουργίες συνόλου δεδομένων

– Μετασχηματισμοί πεδίων

Οι λειτουργίες συνόλου δεδομένων αναφέρονται σε ενέργειες σε επίπεδο συνόλου δεδομένων, όπως η συγχώνευση δύο αρχείων ή η αφαίρεση αντιγράφων. Οι μετασχηματισμοί πεδίων λειτουργούν σε επίπεδο υπόθεσης, δημιουργώντας νέα πεδία ή μετασχηματίζοντας τα υπάρχοντα.

Ως αποτέλεσμα της ολοκλήρωσης αυτής της ενότητας οι χρήστες θα είναι σε θέση να χρησιμοποιούν και να εφαρμόζουν τους κόμβους προετοιμασίας δεδομένων του Altair

συμπεριλαμβανομένων:

– Append

– Συγκέντρωση

– Ένωση

– Αποδιπλασιασμός

– Μετασχηματισμοί μεταβλητών

Διάρκεια σε ώρες : 25

 Αξία σε ECTS : 1

Ένα δέντρο αποφάσεων είναι ένα μοντέλο τμηματοποίησης που διαχωρίζει διαδοχικά ένα σύνολο δεδομένων με βάση τη σχέση μεταξύ μιας εξαρτημένης μεταβλητής ή μεταβλητής-στόχου και ενός συνόλου ανεξάρτητων μεταβλητών ή μεταβλητών πρόβλεψης.

Τα δέντρα αποφάσεων είναι μια ευέλικτη τεχνική εξόρυξης δεδομένων που φιλοξενεί κατηγορικές ή συνεχείς εξαρτημένες μεταβλητές.

Διάρκεια σε ώρες : 25

 Αξία σε ECTS : 1

Η γραμμική παλινδρόμηση είναι μια πρωταρχική στατιστική τεχνική που έχει σχεδιαστεί για να μοντελοποιεί τη γραμμική σχέση μεταξύ μιας εξαρτημένης μεταβλητής και ενός συνόλου εισροών προβλεπτικών παραγόντων, οδηγών ή ανεξάρτητων μεταβλητών.

Η Εξαρτημένη Μεταβλητή πρέπει να είναι μια κλίμακα ή μια συνεχής μεταβλητή ενώ οι εισροές, αν και παραδοσιακά και κατά προτίμηση συνεχείς, μπορούν να είναι είτε κατηγορικές είτε συνεχείς. Η μοντελοποίηση παλινδρόμησης παρέχει ένα μέσο για την αξιολόγηση όχι μόνο του βαθμού στον οποίο το αποτέλεσμα της Εξαρτημένης Μεταβλητής μπορεί να προσδιοριστεί, αλλά και την επίδραση κάθε προβλεπτικού παράγοντα στο εν λόγω αποτέλεσμα.

Διάρκεια σε ώρες : 25

 Αξία σε ECTS : 1

Η ομαδοποίηση είναι μια μέθοδος ομαδοποίησης αντικειμένων με παρόμοια χαρακτηριστικά σε ομάδες. Ο κύριος στόχος μιας ανάλυσης συστάδων είναι η δημιουργία ομοιογενών ομάδων όπου η μεταβλητότητα εντός των συστάδων ελαχιστοποιείται και η μεταβλητότητα μεταξύ των συστάδων μεγιστοποιείται.

Ο στόχος της συσταδοποίησης είναι η κατάτμηση ενός ετερογενούς πληθυσμού σε έναν αριθμό πιο ομοιογενών υποομάδες ή συστάδες. Οι εγγραφές εντός της ίδιας συστάδας θα πρέπει να είναι παρόμοιες μεταξύ τους και να να διαφέρουν από τις εγγραφές σε άλλες συστάδες. Η συσταδοποίηση είναι μια μη επιβλεπόμενη τεχνική εξόρυξης δεδομένων, καθώς η ομαδοποίηση δεν καθοδηγείται από κάποιον συγκεκριμένο σκοπό και επομένως δεν υπάρχει εξαρτημένη μεταβλητή στο μοντέλο. Αντίθετα, όλες οι μεταβλητές θεωρούνται ανεξάρτητες μεταβλητές. Η ανάλυση συστάδων είναι μια χρήσιμη τεχνική για την αποκάλυψη ομοιογενών ομάδων.

Διάρκεια σε ώρες : 25

 Αξία σε ECTS : 1

Η Ανάλυση Κύριων Συνιστωσών, PCA, είναι μια στατιστική τεχνική που εφαρμόζει μετασχηματισμούς σε ένα σύνολο από πιθανώς συσχετιζόμενες μεταβλητές για να προκύψει ένα σύνολο γραμμικά ασυσχέτιστων μεταβλητών που ονομάζονται κύριες

συνιστώσες. Η τεχνική μπορεί να χρησιμοποιηθεί για δύο κύριους σκοπούς:

– Για την κατανόηση της υποκείμενης δομής ενός συνόλου μεταβλητών

– Για τη μείωση ενός συνόλου μεταβλητών σε ένα μικρότερο υποσύνολο- για μοντελοποίηση ή για περαιτέρω διερεύνηση.

Διάρκεια σε ώρες : 25

 Αξία σε ECTS : 1