Применение методов интеллектуального анализа данных для решения задач классификации в программной среде RapidMainer - Практическая работа

Тема: Применение методов интеллектуального анализа данных для решения задач классификации в программной среде RAPIDMAINERЦенны знания, которые можно получить, при помощи правильной обработки и анализа этой информации. Научное направление, которое занимается подобного рода задачами носит название Интеллектуальный анализ данных (Data Mining). Для изучения и тестирования технологий Data Mining была выбрана программная система Rapidminer, которая является средой для проведения экспериментов и решения задач машинного обучения и интеллектуального анализа данных. Задачи: Ознакомиться с описанием основных технологий решения задач Data Mining: Выбрать три задачи для решения;Задачи Data Mining: Для практического изучения технологий интеллектуального анализа данных необходимо выбрать задачи для решения. Data Mining занимается решением следующих типов задач: Классификация. В результате решения задачи классификации обнаруживаются признаки, которые характеризуют группы объектов исследуемого набор данных - классы; по этим признакам объект можно отнести к тому или иному классу; Технологии Data Mining: В программной системе Rapidminer реализовано большое количество технологий, при помощи которых можно достаточно эффективно решать задачи Data Mining. деревья принятия решений - метод, позволяющий принимать решения на основании правил, представленных в виде иерархической структуры;Имеется два набора данных связанных с красными и белыми вариантами португальского вина "Вино Верде". Необходимо классифицировать на основании значений атрибутов к какой разновидности относится конкретный образец. На выборке при помощи методов, выбранных ранее, и их ансамблей было протестировано решение задачи классификации. В Таблице 1 приведены результаты тестирования. Для оценки полученных результатов была выполнена проверка критерия Стьюдента посредством проведения Т-теста, который показывает статистическую значимость результатов работы алгоритмов.Имеется набор данных, связанный с местами скопления белков. Необходимо классифицировать на основании значений атрибутов к какой части кишечной палочки относится конкретный образец. chg: наличие заряда на конце предсказанных N-липопротеинов. ALM 2: оценка ALOM программы после исключения предполагаемых расщепляемых областей сигнала из последовательности. На выборке при помощи методов, выбранных ранее, и их ансамблей было протестировано решение задачи классификации.Имеется набор данных, связанный с изображениями банкнот. На выборке при помощи методов, выбранных ранее, и их ансамблей было протестировано решение задачи классификации. В Таблице 5 приведены результаты тестирования. Для оценки полученных результатов была выполнена проверка критерия Стьюдента посредством проведения Т-теста, который показывает статистическую значимость результатов работы алгоритмов. Из результатов тестирования видно, что высокую эффективность по критерию Стьюдента имеют методы: нейронная сеть и k-ближайших соседей.Были изучены на практике технологии решения задач интеллектуального анализа данных на примере решения трех задач в программной системе Rpidminer. В процессе анализа результатов работы было выявлено, что в большинстве случаев ансамбль из нескольких методов решения задачи справляется с ней лучше, чем каждый из них в отдельности, пусть даже это будут алгоритмы не с самой высокой эффективностью, что обуславливается тем, что области, в которых методы не ошибаются «перекрывают» области ошибок других методов, но при использовании методов с низкой эффективностью есть опасность, что при голосовании большинство вынесет ошибочное решение.

Содержание

Введение

1. Теоретическая информация

2. Тестирование методов

2.1 Задача определения типа вина

2.2 Задача обнаружения кишечной палочки

2.3 Задача проверки подлинности банкнот

Выводы

Список используемой литературы