Informatyczne systemy eksploracji danych WLOZBCSM-19Z4-ISED
Ćwiczenia (CW) Semestr letni 2020/2021

Daniel T. Larose, Odkrywanie wiedzy z danych, Wydawnictwo Naukowe PWN, Warszawa 2006

Daniel T.Larose, Metody i modele eksploracji danych, Wydawnictwo Naukowe PWN, Warszawa 2006

Umiejętność formułowania i rozwiązywania podstawowych problemów eksploracji danych.

Rozwiązanie testu, z którego można uzyskać 100 pkt. Ocenę bardzo dobrą otrzymuje student, który zdobył 91-100 pkt.; ocenę dobrą plus za 81-90 pkt.; ocenę dobrą za 71-80 pkt.; ocenę dostateczną plus za 61-70 pkt.; ocenę dostateczną za 51-60 pkt.; ocenę niedostateczną za 0-50 pkt.

1. Drzewa decyzyjne. Klasyfikacja. Zasady konstrukcji drzewa. Wybór atrybutów testowych dla węzłów. Entropia. Przyrost informacji (gain, gain ratio). Split info – miara równomierności. Overfitting (2 godziny).

2. Klasteryzacja. Klasteryzacja hierarchiczna. Miary odległości skupień. Algorytm podziału na skupienia K-means (2 godziny).

3. Tabela klasyfikacji. Miary oceniające klasyfikatory. ROC - konstruowanie wykresu i jego interpretacja. Analiza asocjacji. Poziom ufności. Wsparcie. Zbiór częsty. Wzmocnienie (lift) (2 godziny).

4. Regresja liniowa i logistyczna. Model logitowy. Uogólniona metoda najmniejszych kwadratów (GLS). Prognozowanie za pomocą regresji z pomocą programów do wykonywania obliczeń (Excel oraz WxMaxima (do działań na macierzach)) (2 godziny).

5. Kolokwium sprawdzające umiejętności (2 godziny).

Rozwiązywanie zadań rachunkowych.