| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Lēmumu pieņemšanas integrācija datu ieguves klasifikācijas metožu analīzē |
| Nosaukums angļu valodā |
Decision Support Integration into Data Mining Classification Techniques Analysis |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Dr. sc. ing. Ludmila Aleksejeva |
| Recenzents |
Mg. sc. ing. Egmonts Treiguts |
| Anotācija |
Šī bakalaura darba mērķis ir izstrādāt uz praktiskiem pētījumiem balstītas rekomendācijas labāka algoritma izvēlei. Darba galvenie uzdevumi ir izpētīt datu ieguves un lēmumu pieņemšanas mijiedarbības iespējas; izpētīt un izanalizēt lēmumu pieņemšanu datu ieguvei, pielietojot ROC metodoloģiju kā metodi labāka algoritma izvēlei; aplūkot četru klasifikācijas algoritmu teorētiskos pamatus; apgūt un pielietot Orange Canvas programmnodrošinājumu eksperimentu veikšanai; izpētīt no UCI mašīnapmācības repozitorija pieejamās datu kopas; veikt eksperimentus.
Darba ietvaros teorētiskajā daļā tika apskatītas un salīdzinātas piecas datu ieguves un lēmumu pieņemšanas mijiedarbības iespējas. Darbā aprakstīti tādi klasifikācijas algoritmi kā naivais Baijesa algoritms, C4.5 algoritms, k-tuvāko kaimiņu algoritms un atbalsta vektoru mašīna. Tika izpētīta arī ROC analīzes būtība labāka klasifikatora izvēlei.
Praktiskajā daļā, izmantojot četrpadsmit atšķirīgas klasifikācijas problēmas un pielietojot izvēlēto programmnodrošinājumu, tika veikti eksperimenti. Eksperimentos iegūti atšķirīgi rezultāti, uz kuriem pamatojoties, piedāvātas divas rekomendācijas labāka klasifikācijas algoritma izvēlei. |
| Atslēgas vārdi |
datu ieguve, lēmumu pieņemšana, klasifikācijas algoritmi |
| Atslēgas vārdi angļu valodā |
data mining, decision making, classification techniques |
| Valoda |
lv |
| Gads |
2011 |
| Darba augšupielādes datums un laiks |
07.06.2011 21:24:31 |
