Veri Madenciliği: Kavram ve Algoritmaları

Prof. Dr. Gökhan SİLAHTAROĞLU

 farkımız, kitaplarımızda...

ISBN: 978-975-6797-81-5, 4. Basım, Şubat 2020

320 sayfa, (16,5x24 cm2), 80 gr 1. hamur kağıt                şimdi satın al

Bu eserde, hemen her disiplinde çeşitli amaçlar için kullanılan “veri madenciliği” konusu teknik açıdan incelenmiş ve alanında adı sıkça geçen algoritmalara ilişkin çözümlü örnekler verilmiştir. Bu amaçla veri madenciliği modelleri, sınıflandırma teknikleri, sınıflandırma algoritmaları, birliktelik kuralları, ilişki analizi ve kümeleme analizi gibi konular yalın bir dille ve örneklerle ele alınmıştır.

Kitabın oldukça genişletilmiş bu baskısında okuyucuya daha fazla örneklerle veri madenciliği algoritmaları anlatılmaya çalışılmıştır. Ayrıca, literatürde öne çıkan yeni yeni algoritmalar da ele alınmıştır. Destek Vektör Makineleri, Bulanık C- Ortalamalar algoritması gibi yeni algoritmalara yer verilirken, sınıflandırma algoritmalarının ve öğrenmenin denetimiyle ilgili kullanılan güncel algoritmalar da kitaba eklenmiştir; büyük veri kavramı ile veri bilimi içinde gerçekleştirilen yeni teknolojilerin veri analizdeki yeri de kitapta yerini almıştır.

Yapay Sinir Ağları, Genetik Algoritmalar, DBSCAN, BIRCH algoritmalarının nasıl çalıştığına dair sayısal örnekler eklenmiştir.

Bu baskıda, KNIME açık kaynak kodlu veri madenciliği yazılımı tanıtılmış ve örnek uygulamalar adım adım anlatılmıştır.

  Veri Madenciliği PDF indir

İÇİNDEKİLER

Önsöz  

Bölüm 1.  Verİ Madencİlİğİ   

1.1. Veri Madenciliğinin Uygulama Alanları   

1.2. Veri Ambarları ve OLAP 

1.3. Büyük Veri  

1.3.1.   Büyük Veri Kullanımı

1.3.2.   Büyük Veri Türleri

1.3.3.   Uçtan uca Veri Analizi ve Teknolojileri   

1.4. Veri Madenciliği İçin Verilerin Hazırlanması

    1.4.1.   Verilerin Temizlenmesi  

 1.4.1.1.  Kayıp Veriler

 1.4.1.2.  Verilerdeki Gürültünün Temizlenmesi

    1.4.2.   Verilerin Yeniden Yapılandırılması

 1.4.2.1.  Normalizasyon 

 1.4.2.2.   Verilerde Boyut İndirgeme

 1.4.2.3.  Verilerde Dönüştürme İşlemleri  

1.4. Özet

1.5. Sorular   

Bölüm 2.  Verİ madencİlİğİ Modellerİ

2.1. Değer Tahmini Modeli

2.2. Bağlantı Analizi  

2.3. Birliktelik Kuralları  

2.4. Örüntü Tanıma

2.5. Ardışık Zaman Örüntüleri

2.6. Dolandırıcılık Tespiti  

2.7. Kümeleme Analizi   

 2.7.1.Kümeleme Analizinin Kullanım Alanları

2.8. Veri Madenciliği Model ve Algoritmalarına Genel Bakış  

2.9. Özet

2.10Sorular   

Bölüm 3.  Sınıflandırma TEKNİKLERİ VE ALGORİTMALARI

3.1. Karar Ağaçları 

3.1.1.   ID3 Algoritması 

3.1.2.   C 4.5 ve C5 Algoritmaları   

3.1.3.   CART Algoritması

3.1.4.   SLIQ Algoritması  

3.1.5.   SPRINT Algoritması  

3.1.6.   Değişken Merkezli Karar Ağacı Algoritması  

3.2. İstatistiğe Dayalı Algoritmalar   

 3.2.1.   Bayesyen Sınıflandırma 

 3.2.2.   Regresyon  

 3.2.3.   CHAID Algoritması

3.3. Mesafeye Dayalı Sınıflandırma Algoritmaları   

    3.3.1. K-En Yakın Komşu Algoritması

    3.3.2. En Küçük Mesafe Sınıflandırıcısı

 3.4. Kolektif Öğrenme Kavramı ve Rasgele Ormanlar   

3.5. Yapay Sinir Ağları  

   3.5.1.   İleri Sürümlü Yapay Sinir Ağları

 3.5.2. Hata Geriye Yayma Yöntemi

3.6. Destek Vektör Makinesi

3.7. Sınıflandırmada Öğrenmenin Sınanması  

3.7.1. Performans Ölçümü 

3.8. Sınıf Dengesizliği   

3.8.1.   Dengesiz Veri Kümeleriyle Başa Çıkma Yöntemleri

3.9. Özet  

3.10.    Sorular 

Bölüm 4.  Bİrlİktelİk Kuralları ve İlİşkİ Analİzİ

4.1. AIS Algoritması

4.2. SETM Algoritması

4.3. Apriori Algoritması

4.4. AprioriTid Algoritması  

4.5. Diğer Algoritmalar 

4.6. Weka Yazılımı

4.7. Özet  

4.8. Sorular 

Bölüm 5.  Kümeleme Analizi

5.1.Benzerlik ve  Uzaklık   

5.2.Kümeleme Analizinin Sınıflandırılması   

5.3.Hiyerarşik Yöntemler 

5.3.1.    SLINK Algoritması ve Tek Bağlantı Tekniği  

5.3.2.    CURE Algoritması

5.3.3.    CHAMELEON Algoritması

5.3.4.    BIRCH   

5.3.5.    Hiyerarşik Yöntemle Kategorik Verilerin Kümelenmesi (CLUCDUH)  

5.4.Bölümlemeli Yöntemler  

5.4.1.    K-Ortalama (K-Means) Algoritması  

5.4.2.    PAM Algoritması  

5.4.3.    CLARA Algoritması 

5.4.4.    CLARANS Algoritması 

5.5.Yoğunluğa Dayalı Algoritmalar

5.5.1.    DBSCAN Algoritması

5.5.2.    OPTICS Algoritması 

5.5.3.    DENCLUE Algoritması 

5.6.Grid Temelli Algoritmalar

5.6.1.    STING Algoritması

5.6.2.    Dalga Kümeleme   

5.6.3.    CLIQUE Algoritması

5.7.Genetik Algoritmalar  

5.8.Bulanık Algoritmalar   

5.8.1. Xie Beni İndeks Değeri

5.8.2. Bölme Katsayısı

5.8.3. Bölme Entropi

5.8.4. Bulanık Hipervolum  

5.9.Optimum Küme Sayısının Hesaplanmasında İndeks ve Algoritma

5.8.1.    Dunn Geçerlilik İndeksi 

5.8.2.    Davies-Bouldin Geçerlilik İndeksi  

5.8.3.    Silhouette Geçerlilik Yöntemi

5.8.4.    C İndeksi

5.8.5.    Jaccard İndeksi 

5.9.Özet

5.10.   Sorular    

Bölüm 6.  KNIME Programı ve Kullanımı

    Ek 1.  Veri Madenciliği Alanında Geliştirilmiş Programlar

    Kaynakça

    Dizin

Tüm üniversite kitap ihtiyaçlarınız için www.TDK.com.tr