Algoritmi za traženje uzoraka
Kako bi se data miningom
dani problemi rješavali što brže i točnije
,kreiran je niz algoritama:
Kreiranje modela ponašanja
klijenata i tržišta temelji se na prilagođavanju
pojedinog algoritma pojedinom problemu. Algoritmu se kao ulaz
daju određeni podaci, na temelju kojih on daje neko
predviđanje. Ako je predviđanje koje daje algoritam u
skladu s onim što se doista dogodilo, tada smo stvorili
točan model. U suprotnom je algoritam potrebno korigirati.
Kada smo upotrebom testnih podataka stvorili model, tada bi on
trebao dati točna predviđanja za bilo koje podatke.
Pojedini algoritimi se razlikuju
složenošću i točnošću modela kojega
će dati. Tako su neuronske mreže najsloženije, ali daju
najtočnije modele.
Stablo odluka
Stablo odluka je prediktivni model
koji može biti prikazan kao stablo. Stablo nastaje grananjem kao
posljedica ispunjenja uvjeta klasifikacijskih pitanja. Svako
pitanje će podjeliti podatke u podskupine koje su homogenije
nego viša skupina. Ako pitanje ima dva odgovora, tada će
kao odgovor na pitanje nastati dvije podskupine (binarno stablo).
Općenito, koliko pitanje ima odgovora toliko će
podskupina nastati. Samim time vrši se klasificiranje
pojedinih podataka. Predikcija ponašanja pojedinog
klijenta može se izvesti na temelju njegovog pripadanja pojedinoj
skupini (u koju je svrstan na temelju niza pitanja i uvjeta ), za
koju se zna kako će se ponašati.
Prilikom izgradnje stabla odluke
važno je znati postaviti pravo pitanje. Općenito, pitanje je
to bolje što će ono bolje organizirati podatke,
odnosno što će podaci u podskupinama nastalim nakon
primjene pitanja biti homogoniji. Modeli temeljeni na stablima
odluka razlikuju se po algoritmima koji traže obilježja pojedinih
podataka i na temelju njih kreiraju pitanja.
Stabla odluke se vrlo lako
implementiraju na relacijskim bazama podataka (npr. SQL).
Primjer stvaranja stabla
odluka prikazan je na slici 1.
Nearst neighbor classification
Jedna od najstarijih tehnika koja
se primjenjuje u data miningu. Zbog svoga načina
rada, koji je sličan ljudskom načinu razmišljanja,
ova metoda je jedna od najjednostavnijih. Temelji se na traženju
podataka koji ima najsličinija svojstva i poznato ponašanje.
Podatak koji ima najsličnija svojstva je najbliži susjed, te
se pretpostavlja da će se slično i ponašati.
Pitanje algoritma je kako odrediti tko je najbliži susjed. Jedan
od najjednostavnijh načina je upotreba euklidske geometrije
u n-dimenzionalnom prostoru. Pri tome treba napomenuti da svaka
varijabla ne nosi istu težinu (npr. prilikom računanja
udaljenosti dob klijenta uzimamo s težinom 1, a zemlju porijekla
s težinom 0.1).
Kako bi metoda bila što
točnija, potrebno je u bazi podataka naći što
sličniji podatak (za koji je potrebno što točnije
poznavati ponašanje), što zahtijeva velike količine
podataka.
Neuronske mreže
Najkompliciranija metoda (kako za
upotrebu, tako i za izvedbu), ali daje najtočnije modele.
Nuronske mreže nastale su proučavanjem i pokušajima
imitiranja rada mozga i živčanog sustava čovjeka (i
drugih životinja). Osnovna ćelija neuronskih mreža (neuron)
prikazana je na slici 2.
![Frame1](algoritmi_html_m7adcf074.gif)
Neuron svoj izlaz temelji na
kombinaciji niza ulaza pomnoženih s odgovarajućim težinama.
Neuronska mreža sastoji se od niza neurona koji su međusobno
povezani. Prilikom projektiranja neuronske mreže potrebno je
odrediti strukturu (broj neurona i njihove međusobne veze).
Da bi stvorili prediktivni model upotrebom neuronskih mreža
potrebno je definirati težine pojednih veza. To se postiže
treningom neuronske mreže. Daju joj se testni podaci i zatim se
korigira odgovor koji daje, ako je netočan. Neuronska mreža
će tada korigirati težine pojednih veza izmeu neurona. Ako
je prethodni neuron dao dočan odgovor vezi prema njemu,
povećat će se težina, dok će se u suprotnom
smanjiti. S vremenom neuronska mreža uči, te povećanjem
broja treninga daje sve točnije rezultate.
Problem
kod neuronskih mreža je taj što se one ponašaju kao
crne kutije. Kada radi, mi vidimo samo ulaz i izlaz, dok razine
između ulaza i izlaza (engl. Hidden layer) uopće
ne vidimo. Proces učenja neuronske mreže svodi se na
mijenjanje težina veza unutar skrivenih razina. Neuronska mreža s
jednom skrivenom razinom prikazana je na slici 3.
![Frame3](algoritmi_html_m991bbed.gif)
Rule indication
Upotreba ove metode zasniva se na
prolasku kroz bazu podataka upotrebljavajući logičke
funkcije na varijablama, i računajući vjerojatnost
pojave takvog događaja, pojedinih zapisa, kako bi se došlo
do skrivenih informacija. Kako bi moglo doći do skrivenih
informacija, potrebno je proći kroz što više
mogućih međusobnih kombinacija varijabli (sve
kombinacije), što drastično usporava i poskupljuje
ovu metodu. Ako odbacujemo pojedine varijable kao nevažne, tada
postoji mogućnost da nećemo vidjeti vezu između
pojedinih podataka te time model učiniti manje točnim.
Osim s tehničke strane, pretraživanje sličnosti
pojednih podataka po svim varijablama često daje ogroman
broj povezanosti između pojedinih podataka, te je ponekad
potreban još jedan prolaz kroz dobiveni rezultat kako bi
se izoliralo one zaključke koji su najinteresantniji.
Modeli temeljeni upotrebom rule
inidication pokazali su se među točnijima (točnije
daju neuronske mreže), ali su za razliku od neuronskih mreža
jednostavniji za korištenje.
K Nearest Neighbors
Poboljšanje u odnosu na
metodu najbližeg susjeda je u tome što se promatra
ponašanje nekoliko sličnih podataka, a ne samo jedan.
Samim time (statistički) moći čemo točnije
predvidjeti ponašanje i svojstva pojedinog podatka. Ovakav
algoritam je vrlo lako implementirati
Ostali algoritmi
Postoji niz drugih algoritama na
kojima se temelje modeli za data mining, ali oni se manje
koriste od gore navedenih. Neki od njih su:
Kao metodu se možda
može spomenuti i statistika, ali ona više daje pogled na
povezanost varijabli u prošlosti, nego što daje
pogled u budućnost. Statistika bi mogla dati neka
predviđanja temeljem povlačenja polinoma kroz točke
u prošlosti koje su određene upotrebom statističkih
metoda, ali takva predviđanja su inferiorna ostalim
metodama.
|