Λογισμικά μηχανικής μάθησης και εξόρυξης δεδομένων : case study WEKA
Σήμερα η τεχνολογία της αποθήκευσης δεδομένων, και ειδικότερα η εξέλιξη στην εξόρυξη δεδομένων Δεδομένων (Data Mining) σημείωσε ραγδαία ανάπτυξη. Σύμφωνα με έναν από τους ορισμούς που έχουν διατυπωθεί, η Εξόρυξη Δεδομένων (Data Mining) «είναι το σύνολο των τεχνικών μέσω των οποίων μπορούμε να ανα...
| Κύριοι συγγραφείς: | , |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2022
|
| Θέματα: | |
| Διαθέσιμο Online: | https://hdl.handle.net/10889/24163 |
| id |
nemertes-10889-24163 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-241632022-12-13T04:38:44Z Λογισμικά μηχανικής μάθησης και εξόρυξης δεδομένων : case study WEKA Software learning and data mining software : case study WEKA Δημητροπούλου, Σωτηρία Ασπασία Τζελάτη, Αικατερίνη Dimitropoulou, Sotiria Aspasia Tzelati, Aikaterini Εξόρυξη δεδομένων Μηχανική μάθηση Λογισμικό εξόρυξης δεδομένων weka Data mining Machine learning Weka software learning Σήμερα η τεχνολογία της αποθήκευσης δεδομένων, και ειδικότερα η εξέλιξη στην εξόρυξη δεδομένων Δεδομένων (Data Mining) σημείωσε ραγδαία ανάπτυξη. Σύμφωνα με έναν από τους ορισμούς που έχουν διατυπωθεί, η Εξόρυξη Δεδομένων (Data Mining) «είναι το σύνολο των τεχνικών μέσω των οποίων μπορούμε να αναλύσουμε πολύ μεγάλες συλλογές από δεδομένα και να ανακαλύψουμε την ενδιαφέρουσα και χρήσιμη γνώση που “κρύβεται” μέσα σε αυτά, με απώτερο στόχο την υποστήριξη της λήψης αποφάσεων» Στην παρούσα εργασία εξετάζεται αρχικά η διαδικασία εξόρυξης γνώσης στο πρώτο κεφάλαιο και στο δεύτερο παρουσιάζεται η εξέλιξη καθώς και τα είδη Μηχανικής Μάθησης. Στο τρίτο κεφάλαιο περιγράφεται το λογισμικό Weka, που αποτελεί και το σημαντικότερο λογισμικό για μηχανική μάθηση και εξόρυξη δεδομένων. Στο τέταρτο κεφάλαιο παρουσιάζονται αναλυτικά παραδείγματα περιπτώσεων χρήσεων Μηχανικής Μάθησης και τέλος παρατίθενται τα συμπεράσματα και η βιβλιογραφία. Nowadays, the technology related to data collection and storage, and more specifically to the evolution of Database Management Systems, enables the collection and storage of huge volumes of data in databases, as well as in data repositories and other data warehouses. The above process is considered Data Mining. According to one of the many definitions available, Data Mining is the set of techniques through which we can analyze very large collections of data and discover the interesting and useful knowledge that is "hidden" inside them, with the ultimate to support decision making. In the present work, the process of knowledge extraction is first examined in the first chapter and in the second, the evolution as well as the types of Machine Learning are presented. The third chapter describes the Weka software, which is the most important software for machine learning and data mining. The fourth chapter presents detailed examples of use cases of Machine Learning and finally presents the conclusions and the literature. 2022-12-12T06:53:15Z 2022-12-12T06:53:15Z 2022-12-06 https://hdl.handle.net/10889/24163 el application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Εξόρυξη δεδομένων Μηχανική μάθηση Λογισμικό εξόρυξης δεδομένων weka Data mining Machine learning Weka software learning |
| spellingShingle |
Εξόρυξη δεδομένων Μηχανική μάθηση Λογισμικό εξόρυξης δεδομένων weka Data mining Machine learning Weka software learning Δημητροπούλου, Σωτηρία Ασπασία Τζελάτη, Αικατερίνη Λογισμικά μηχανικής μάθησης και εξόρυξης δεδομένων : case study WEKA |
| description |
Σήμερα η τεχνολογία της αποθήκευσης δεδομένων, και ειδικότερα η εξέλιξη στην εξόρυξη δεδομένων Δεδομένων (Data Mining) σημείωσε ραγδαία ανάπτυξη. Σύμφωνα με έναν από τους ορισμούς που έχουν διατυπωθεί, η Εξόρυξη Δεδομένων (Data Mining) «είναι το σύνολο των τεχνικών μέσω των οποίων μπορούμε να αναλύσουμε πολύ μεγάλες συλλογές από δεδομένα και να ανακαλύψουμε την ενδιαφέρουσα και χρήσιμη γνώση που “κρύβεται” μέσα σε αυτά, με απώτερο στόχο την υποστήριξη της λήψης αποφάσεων»
Στην παρούσα εργασία εξετάζεται αρχικά η διαδικασία εξόρυξης γνώσης στο πρώτο κεφάλαιο και στο δεύτερο παρουσιάζεται η εξέλιξη καθώς και τα είδη Μηχανικής Μάθησης.
Στο τρίτο κεφάλαιο περιγράφεται το λογισμικό Weka, που αποτελεί και το σημαντικότερο λογισμικό για μηχανική μάθηση και εξόρυξη δεδομένων.
Στο τέταρτο κεφάλαιο παρουσιάζονται αναλυτικά παραδείγματα περιπτώσεων χρήσεων Μηχανικής Μάθησης και τέλος παρατίθενται τα συμπεράσματα και η βιβλιογραφία. |
| author2 |
Dimitropoulou, Sotiria Aspasia |
| author_facet |
Dimitropoulou, Sotiria Aspasia Δημητροπούλου, Σωτηρία Ασπασία Τζελάτη, Αικατερίνη |
| author |
Δημητροπούλου, Σωτηρία Ασπασία Τζελάτη, Αικατερίνη |
| author_sort |
Δημητροπούλου, Σωτηρία Ασπασία |
| title |
Λογισμικά μηχανικής μάθησης και εξόρυξης δεδομένων : case study WEKA |
| title_short |
Λογισμικά μηχανικής μάθησης και εξόρυξης δεδομένων : case study WEKA |
| title_full |
Λογισμικά μηχανικής μάθησης και εξόρυξης δεδομένων : case study WEKA |
| title_fullStr |
Λογισμικά μηχανικής μάθησης και εξόρυξης δεδομένων : case study WEKA |
| title_full_unstemmed |
Λογισμικά μηχανικής μάθησης και εξόρυξης δεδομένων : case study WEKA |
| title_sort |
λογισμικά μηχανικής μάθησης και εξόρυξης δεδομένων : case study weka |
| publishDate |
2022 |
| url |
https://hdl.handle.net/10889/24163 |
| work_keys_str_mv |
AT dēmētropoulousōtēriaaspasia logismikamēchanikēsmathēsēskaiexoryxēsdedomenōncasestudyweka AT tzelatēaikaterinē logismikamēchanikēsmathēsēskaiexoryxēsdedomenōncasestudyweka AT dēmētropoulousōtēriaaspasia softwarelearninganddataminingsoftwarecasestudyweka AT tzelatēaikaterinē softwarelearninganddataminingsoftwarecasestudyweka |
| _version_ |
1771297358032666624 |
