DATAMININGOVÉ MODELY:
Seskupování a detekce anomálií
Termín: | bude upřesněn |
---|---|
Místo: | Krakovská 7, Praha 1 |
Cena: |
|
Úroveň: | středně pokročilý |
---|---|
Jazyk: | čeština |
Počet dnů: |
|
ÚVOD
Ne všechny dataminingové úlohy mohou být řešeny pomocí supervizovaných predikčních modelů, kdy pro učení máme k dispozici historická data s cílovou proměnnou. Seskupování představuje nesupervizované modelovací postupy, které jsou určeny k hledání podobných nebo naopak anomálních případů v datech. Své uplatnění najdou všude tam, kde neznáme historické hodnoty cílových atributů nebo se vzory chování mění tak rychle, že modely naučené na historických datech nejsou aktuální již v době, kdy vznikají.
Seskupovací algoritmy se hojně využívají v marketingu, kde slouží jako nástroj pro přípravu segmentace. V data miningu se seskupovací postupy používají k redukci dimenzionality, jako součást metamodelů a především pro detekci anomálního chování.
CÍL VZDĚLÁVACÍHO PROGRAMU
KURZ JE URČEN
PŘEDPOKLADY
PŘÍNOS ÚČASTI NA KURZU
POPIS OBSAHU A POSTUPU
PROGRAM KURZU
- komparace vícerozměrných profilů
- měření podobnosti, vzdálenost
- příprava dat pro seskupování
- kompetiční učení
- algoritmus k-means
- dvoustupňové seskupování
- Kohonenovy mapy
- evaluace kvality seskupení
- detekce vícerozměrných anomálií
- skórování anomálních případů
Ve výjimečných případech změna programu vyhrazena dle zaměření
a zkušeností dané skupiny účastníků.