Název: Případová studie na dolování z dat v jazyce Python
Překlad názvu: Data Mining Case Study in Python
Autoři: Stoika, Anastasiia ; Burgetová, Ivana (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Typ dokumentu: Bakalářské práce
Rok: 2019
Jazyk: cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze] [eng]
Tato práce se zabývá základními koncepty a technikami procesu získávání znalostí z dat. Cílem práce je demonstrovat dostupné prostředky jazyka Python, které umožňují provádět jednotlivé kroky tohoto procesu. Práce je zaměřena především na metody a techniky detekce odlehlých pozorování, založené na shlukování a klasifikaci. Jedná se o řešení analytické úlohy, která se týká zdrojů dat s omezeným množstvím využitelné informace. Tato kontrolní činnost by měla sloužit k detekci podezřelých prodejních transakcí nějaké společnosti, které mohou znamenat pokusy o podvod jejích prodejci. This thesis focuses on basic concepts and techniques of the process known as knowledge discovery from data. The goal is to demonstrate available resources in Python, which enable to perform the steps of this process. The thesis addresses several methods and techniques focused on detection of unusual observations, based on clustering and classification. It discusses data mining task for data with the limited amount of inspection resources. This inspection activity should be used to detect unusual transactions of sales of some company that may indicate fraud attempts by some of its salespeople.
Klíčová slova: analýza odlehlých hodnot; Bayesovská klasifikace; datová analýza; detekce anomalií; detekce odlehlých hodnot; detekce podvodních transakcí; klasifikace; kombinace učení s učitelem i bez; lokální faktor odlehlosti; předzpracování dat; učení bez učitele; učení s učitelem; získavání znalostí z dat; čištění dat; anomaly detection; classification; data analysis; data cleaning; data mining; data preprocessing; detecting fraudulent transactions; Isolation Forest; KDD; knowledge discovery in databases; Local Outlier Factor; Naive Bayes; outlier analysis; outlier detection; semi-supervised learning; supervised learning; unsupervised learning

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/180261

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-582522


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Vysokoškolské kvalifikační práce > Bakalářské práce