Klaszteranalízis SAS Enterprise Miner segítségével

A tétel rövid nézete
dc.contributor.advisorSzokol, Patrícia Ágnes
dc.contributor.authorCsatári, Anna
dc.contributor.departmentDE--Informatikai Karhu_HU
dc.date.accessioned2022-04-27T12:54:24Z
dc.date.available2022-04-27T12:54:24Z
dc.date.created2022-04-27
dc.description.abstractA 21. század mindennapi élete el sem képzelhető adatok milliói nélkül: életünk szinte minden mozdulatával adatot szolgáltatunk, illetve a leghétköznapibb döntés meghozatalához is a rendelkezésre álló adatokból képzett információt, tudást használjuk fel. Ahhoz, hogy eligazodjunk ebben a hatalmas és igencsak összetett adatvilágában különböző módszerekre van szükségünk, melyekkel elemezhetjük, kiértékelhetjük a már begyűjtött adatokat. Diplomadolgozatomban az adatbányászattal, mint az „adat-információ-tudás” konverziót megvalósító eljárással foglalkozom. Munkám első felében ezt a tudományterületet mutatom be elméleti megközelítésből. Részletesen kitérek az adatbányászatot megvalósító algoritmusok technikai kategóriáira. Ezt követően a tudásfeltárás folyamatán, az adatbányászat módszertanán kísérem végig az olvasót. Majd az általam legérdekesebbnek vélt adatbányászati feladat, a klaszterezés, elméleti hátterét ismertetem. Ebben a fejezetben térek ki az adatok típusára, az eljárás kulcsfontosságú részét képző hasonlósági-, és távolságfüggvények definiálására, illetve a klaszterezés típusaira. A továbbiakban a k-közép algoritmussal és az optimális klaszterszám meghatározásával foglalkozom. Az elméleti alapok megismerését követően gyakorlati oldalról is megvizsgálom a kiválasztott témakör egy adott problémáját. A gyakorlati alkalmazáshoz a SAS Enterprise Guide és Miner szoftvereket vettem igénybe. Az adathalmazt a www.kaggle.com oldalon találtam, melyeket egy bevásárló központ állított össze a náluk történt vásárlások alkalmával összegyűjtött adatokból. Az adatbázis előkészítése során alapvető statisztikai módszerekkel ismertem meg a rendelkezésemre álló adatok tulajdonságait. Ezután klaszteranalízist hajtottam végre, majd a klaszterek kialakítását követően szegmens profilozást végeztem a létrejött csoportokon annak érdekében, hogy az azonosított vásárlói csoportok jellemvonásait vizuálisan még szemléletesebbé tegyem.hu_HU
dc.description.courseGazdaságinformatika MSchu_HU
dc.description.degreeMSc/MAhu_HU
dc.format.extent43hu_HU
dc.identifier.urihttp://hdl.handle.net/2437/331771
dc.language.isohuhu_HU
dc.subjectklaszteranalízishu_HU
dc.subjectadatbányászathu_HU
dc.subjectSAS Enterprise Minerhu_HU
dc.subject.dspaceDEENK Témalista::Informatikahu_HU
dc.titleKlaszteranalízis SAS Enterprise Miner segítségévelhu_HU
Fájlok
Gyűjtemények
Hallgatói dolgozatok (Informatikai Kar)