Data Mining Cup 2012

Projektvorstellung Team DataMineCraft

Data Mining / Wissensextraktion

Fakultät für Ingenieurwissenschaften

Karsten DiepeltRamona GoeschHannes Wiencke

Data Mining Cup 2012 – Projekt von Diepelt, Goesch, Wiencke 2

Gliederung

1. Vorgehensweise

1. Angewendete Modelle/Algorithmen

1. Ergebnisse

Data Mining Cup 2012 – Projekt von Diepelt, Goesch, Wiencke 3

1. Vorgehensweise

a) Datenvisualisierung (Verteilung der Verkaufszahlen)

a) Entwicklung erster Testworkflow (PNN DDA) in Knime (insb. zur Fehlerauswertung) ca. 1200 eukl. Fehlerpunkte

a) Nach genauerer Analyse der Trainingsdaten → Aufteilung in Cluster → erhebliche Verbesserung

a) Anwendung verschiedener Modelle/Algorithmen auf Cluster

a) Ergebnisoptimierung anhand verschiedener Clusterparameter

Data Mining Cup 2012 – Projekt von Diepelt, Goesch, Wiencke 4

2. Angewendete Modelle/Algorithmen

a) Neuronales Netz (PNN DDA)

a) Entscheidungsbaum

a) Lineare Regression

a) SVM

a) Bayes

Data Mining Cup 2012 – Projekt von Diepelt, Goesch, Wiencke 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

Data Mining Cup 2012 – Projekt von Diepelt, Goesch, Wiencke 6

Danke!