Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

Zpracování informací a znalostí Zadání úkolu č. 4 – DZD Jan Rauch Katedra informačního a znalostního inženýrství.

Podobné prezentace


Prezentace na téma: "Zpracování informací a znalostí Zadání úkolu č. 4 – DZD Jan Rauch Katedra informačního a znalostního inženýrství."— Transkript prezentace:

1 Zpracování informací a znalostí Zadání úkolu č. 4 – DZD Jan Rauch Katedra informačního a znalostního inženýrství

2 2 Obsah  Úkol číslo 4: DZD  Asociační pravidla a 4ft-Miner – vybrané pojmy  Mimořádné konzultace

3 3 Úkol číslo 4: DZD – zadání (1) 1.Seznamte se se systémem LISp-Miner. K tomu jsou k dispozici tutoriály na adrese použijte příklad Barbora, viz Barbora - analyza dat.ppsx a 2.Vyřešte dílčí analytickou otázku přiřazenou vašemu týmu na následujícím slide. Podrobnosti jsou v souboru Adamek_4IZ210_11_12_leto_ZADANI.pdf, bude k dispozici i online verse. 3.Výsledkem budou analytické zprávy prezentované pomocí CMS systému JOOMLA, viz Podrobnosti budou sděleny na příštím cvičení. 4.Data jsou v souboru Adamek11_CASLAV.zip. Podrobný popis dat je v souboru Adamek_pro_KIZI_0412.pdf, bude k dispozici i online verse.

4 4 Úkol číslo 4: DZD – zadání (2) O1Dakal O2Druhý tým O3Elektron O4Tým jedna O5Wizards

5 5 Úkol číslo 4: DZD – skupiny atributů

6 6 Úkol číslo 4: DZD – data

7 7 Úkol číslo 4: CRISP-DM Porozumění problematice - nevyžaduje se specializovaná medicínská znalost, případné další podrobnosti lze nalézt na webu. Porozumění datům – viz Adamek_pro_KIZI_0412.pdf Transformace dat – viz Adamek_pro_KIZI_0412.pdf + LMDataSource Analytické procedury – asociační pravidla, aplikace procedury 4ft-Miner Interpretace výsledků a Využití výsledků – analytická zpráva v CMS JOOMLA

8 8 Úkol číslo 4: DZD – poznámky (1)  Pro přípravu a transformace dat použijte proceduru LMDataSource, viz a  Pro řešení analytické otázky použijte proceduru 4ft-Miner, viz a a případně též LMDataSource_0409.pdf a 4ft-Miner_Cedenty_1111.pdf,  Podrobnosti o tvorbě analytické zprávy budou sděleny na dalším cvičení.  Další informace budou poskytnuty dle potřeby.

9 9 Úkol číslo 4: DZD – poznámky (2)  Systém LISp-Miner je vyvíjen na FIS VŠE pro potřeby výzkumu a vývoje, byl vícekrát použit i pro analýzu reálných dat.  Procedura 4ft-Miner je jednou z analytických procedur implementovaných v systému LISP-Miner. Ve výuce předmětu 4IZ210 jsou využity pouze některé možnosti procedury 4ft-Miner.  V systému LISp-Miner jsou mimo jiné další dvě procedury které pracují s asociačními pravidly, přesněji se zajímavými dvojicemi asociačních pravidel.  Procedura SD4ft-Miner hledá dvojice asociačních pravidel které ukazují na dvě podmnožiny objektů, výrazně se lišící co se týče charakteristik nějakého asociačního pravidla.  Procedura Ac4ft-Miner hledá dvojice asociačních pravidel které naznačují nějakou potenciálně užitečnou akci.  Podrobnosti budou sděleny na přednášce.

10 10 Asociační pravidla a 4ft-Miner – vybrané pojmy  Matice dat a booleovské atributy  Asociační pravidlo a cedenty v proceduře 4ft-Miner  Příklady 4ft-kvantifikátorů  Příklady zadání parametrů procedury 4ft-Miner

11 11 A1A1 A2A2 …AmAm 354…16 75…7 ………… 37…5 Matice dat M A 1 (3)A 2 (5,7) …… 11 Atributy Základní boolevské atributy objekt o1o1 o2o2 … onon … … … … … Matice dat a booleovské atributy Odvozené booleovské atributy: A 1 (3)  A 2 (5,7),  A 1 (4), A 1 (3)  A 2 (5,7)

12 12      Antecedent Sukcedent 4ft-kvantifikátor  1  …   p   1  …   q Asociační pravidlo v proceduře 4ft-Miner Dílčí antecedent Dílčí sukcedent

13 13  i = i,1  …  i,k i literál Dílčí cedent Cedent a dílčí cedenty (1) konjunkce literálů Cedent = antecedent, sukcedent nebo podmínka Dílčí cedent = dílčí antecedent, dílčí sukcedent nebo dílčí podmínka

14 14  i = i,1  …  i,k i literál Dílčí cedent Cedent a dílčí cedenty (2) disjunkce literálů Cedent = antecedent nebo sukcedent Dílčí cedent = dílčí antecedent nebo dílčí sukcedent

15 15 A(  ) literál positivní literál  A(  ) negativní literál A(  ) – základní booleovský atribut  – coefficient Literál a koeficient

16 16 M   ab    cd   p,Base    + p,Base  Příklady 4ft kvantifikátorů Nejméně 100p procent objektů splňujících  splňuje také  a nejméně Base objektů matice M splňuje  i . Relativní četnost objektů splňujících  mezi objekty splňujícími  je alespoň o 100p procent vyšší než relativní četnost objektů splňujících  v celé matici M a zároveň nejméně Base objektů matice splňuje  i 

17 17 Příklad: 4ft-Miner – Vstup Množina relevantních antecedentů Množina relevantních sukcedentů 4ft-kvantifikátor Množina relevantních podmínek Minimální a maximální délka antecedentů

18 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32,...., 59, 60, 61, 62, 63, 64, 65, 66,...., 18 `` Koeficient interval – příklad

19 19 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32,...., 59, 60, 61, 62, 63, 64, 65, 66 Koeficient Left cut – příklad zadání

20 20 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32,...., 59, 60, 61, 62, 63, 64, 65, 66 Koeficient Right cut – příklad zadání

21 21 Mimořádné konzultace Vzhledem ke státním svátkům 1. a 8. května vyhlašuji mimořádné konzultační hodiny:  středa v době až  středa v době až  Další mimořádné konzultace lze dohodnou pomocí u


Stáhnout ppt "Zpracování informací a znalostí Zadání úkolu č. 4 – DZD Jan Rauch Katedra informačního a znalostního inženýrství."

Podobné prezentace


Reklamy Google