1 / 6

Data Mining Cup 2012 Projektvorstellung Team DataMineCraft

Data Mining / Wissensextraktion. Data Mining Cup 2012 Projektvorstellung Team DataMineCraft. Fakultät für Ingenieurwissenschaften Karsten Diepelt Ramona Goesch Hannes Wiencke. 2. Gliederung. Vorgehensweise Angewendete Modelle/Algorithmen Ergebnisse. 3. 1. Vorgehensweise.

chuck
Download Presentation

Data Mining Cup 2012 Projektvorstellung Team DataMineCraft

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Data Mining / Wissensextraktion Data Mining Cup 2012 Projektvorstellung Team DataMineCraft Fakultät für Ingenieurwissenschaften Karsten Diepelt Ramona Goesch Hannes Wiencke

  2. 2 Gliederung Vorgehensweise Angewendete Modelle/Algorithmen Ergebnisse

  3. 3 1. Vorgehensweise • Datenvisualisierung (Verteilung der Verkaufszahlen) • Entwicklung erster Testworkflow (PNN DDA) in Knime (insb. zur Fehlerauswertung) ca. 1200 eukl. Fehlerpunkte • Nach genauerer Analyse der Trainingsdaten → Aufteilung in Cluster → erhebliche Verbesserung • Anwendung verschiedener Modelle/Algorithmen auf Cluster • Ergebnisoptimierung anhand verschiedener Clusterparameter

  4. 4 2. Angewendete Modelle/Algorithmen • Neuronales Netz (PNN DDA) • Entscheidungsbaum • Lineare Regression • SVM • Bayes

  5. 5 3. Ergebnisse PNN: 7 Cluster (Mittelwert, Summe, std. Abweichung) → 614 8 Cluster (Varianz, 300 Iterationen) → 617 4 Cluster (Mittelwert, Summe, std. Abweichung) → 654 Lineare Regression: 8 Cluster (Mittelwert, Summe, std. Abweichung) → 510 8 Cluster (Mittelwert, std. Abweichung) → 513 3 Cluster (Mittelwert, std. Abweichung) → 526

  6. 6 Danke!

More Related