EKSPLORACJA DANYCH METODY I ALGORYTMY

ISBN: 978-83-01-17175-9   553 stron format: B5 oprawa: miękka Rok wydania: 2013

Rozwój oraz upowszechnienie rozwiązań technologicznych służących gromadzeniu informacji sprawiły, że we wszystkich obszarach działalności człowieka mamy do czynienia z przechowywaniem i przetwarzaniem danych. Zazwyczaj są one wykorzystywane jedynie w bieżącej działalności instytucji je gromadzących; analiza i interpretacja danych może jednak dostarczyć istotnej wiedzy na temat reguł i zależności rządzących procesami biznesowymi, zachowaniami konsumentów i zagrożeniami funkcjonowania firmy.

Eksploracja danych to nowa dziedzina informatyki odpowiadająca na potrzebę zaawansowanej i automatycznej analizy informacji. Jej dynamiczny rozwój wynika z konieczności integracji istniejących algorytmów w celu efektywnego przetwarzania dużej ilości nowych typów danych. Obecnie, wraz z rozwojem narzędzi do generowania i przechowywania danych, eksploracji poddawane są coraz bardziej złożone informacje: multimedialne (zdjęcia, filmy, muzyka), przestrzenne (mapy), przebiegi czasowe, struktury chemiczne (sekwencje DNA), sieci społecznościowe.

Niniejsza książka jest pierwszym na polskim rynku samodzielnym podręcznikiem przedstawiającym metody eksploracji danych w ujęciu algorytmicznym, a nie statystycznym. Zawiera omówienie podstawowych metod eksploracji, min. odkrywanie asocjacji, wzorców sekwencji, klasyfikację i grupowanie. Dla każdej z metod omówiono podstawowe algorytmy eksploracji ilustrowane licznymi przykładami. Dodatkowo, w celu sprawdzenia wiedzy czytelnika, przygotowano zestaw zadań i ćwiczeń do samodzielnego wykonania.

Głównymi adresatami podręcznika są studenci informatyki, ekonomii, psychologii, socjologii - dziedzin, w których duże znaczenie ma przetwarzanie informacji. Z pewnością skorzystają z niego również doktoranci zajmujący się zagadnieniami eksploracji danych i odkrywania wiedzy.

SPIS TREŚCI

Przedmowa

Rozdział 1. Wprowadzenie

Rozdział 2. Odkrywanie asocjacji
2.1. Klasyfikacja reguł asocjacyjnych
2.2. Odkrywanie jednopoziomowych, jednowymiarowych, binarnych reguł
asocjacyjnych: sformułowanie problemu
2.3. Odkrywanie binarnych reguł asocjacyjnych: alternatywne sformułowanie problemu
2.4. Podstawowy algorytm odkrywania jednowymiarowych, jednopoziomowych, binarnych reguł asocjacyjnych
2.5. Odkrywanie domkniętych i maksymalnych zbiorów częstych
2.6. Odkrywanie wielopoziomowych jednowymiarowych reguł asocjacyjnych
2.7. Odkrywanie wielowymiarowych reguł asocjacyjnych
2.8. Negatywne asocjacje
2.9. Miary atrakcyjności reguł asocjacyjnych
2.10. Zadania
2.11. Uwagi bibliograficzne

Rozdział 3. Odkrywanie wzorców sekwencji
3.1. Odkrywanie wzorców sekwencji: sformułowanie problemu
3.2. Podstawowy algorytm odkrywania wzorców sekwencji
3.3. Prefiksowy algorytm odkrywania wzorców sekwencji
3.4. Odkrywanie domkniętych wzorców sekwencji
3.5. Odkrywanie wzorców sekwencji z ograniczeniami czasowymi: sformułowanie problemu
3.6. Algorytm odkrywania wzorców sekwencji z ograniczeniami czasowymi
3.7. Odkrywanie uogólnionych wzorców sekwencji
3.8. Odkrywanie innych wzorców sekwencji
3.9. Zadania
3.10. Uwagi bibliograficzne

Rozdział 4. Klasyfikacja
4.1. Wprowadzenie do klasyfikacji
4.2. Klasyfikacja przez indukcję drzew decyzyjnych
4.3. Klasyfikatory regułowe
4.4. Klasyfikacja asocjacyjna
4.5. Klasyfikatory bayesowskie
4.6. Klasyfikator najbliższego sąsiedztwa
4.7. Kombinacja klasyfikatorów
4.8. Ocena jakości klasyfikatora
4.9. Zadania
4.10. Uwagi bibliograficzne

Rozdział 5. Grupowanie
5.1. Proces grupowania
5.2. Niepodobieństwo obiektów
5.3. Algorytmy grupowania
5.4. Grupowanie hierarchiczne
5.5. Grupowanie iteracyjno-optymalizacyjne
5.6. Metody grupowania gęstościowego
5.7. Metody grupowania gridowego
5.8. Metody oparte na modelu
5.9. Grupowanie obiektów opisanych zbiorami atrybutów kategorycznych
5.10. Wykrywanie punktów osobliwych
5.11. Zadania
5.12. Uwagi bibliograficzne

A. Dekompozycja SVD
B. Miary atrakcyjności reguł

Bibliografia

Skorowidz