Upload
chuck
View
54
Download
3
Embed Size (px)
DESCRIPTION
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. - PowerPoint PPT Presentation
Citation preview
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!