Zadania, techniki i obszary zastosowań analizy data mining

• Autorzy: Kamila Najman

Warianty tytułu

Tasks, Techniques and Applications Data Mining

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono analizę data mining jako jedną z technik pozwalającą na poszukiwanie użytecznej, istotnej informacji wspomagającej proces podejmowania decyzji. Przedstawione zostały zadania, wybrane techniki i liczne empiryczne przykłady zastosowania narzędzi analizy data mining. Artykuł ten jest próbą zachęcenia do stosowania tych technik, poprzez wykazanie licznych zastosowań w finansach, bankowości, marketingu, badaniach społeczno-ekonomicznych. (fr. oryg. streszcz.)

EN

Data mining is the process of discovering interesting, hidden patterns in databases that are useful in decision making. Data mining is a fast growing application area in business. Major techniques of data mining are artificial neural networks, rule induction, genetic algorithms, fuzzy logic and other. There are used for data analysis and pattern discovery and thus can play a key role in the development of data mining applications. Techniques are used for prediction, clustering, classification, visualization in a number of real-world problems. Understanding the strengths and weaknesses of these techniques in the context of business is useful in selecting an appropriate method for a specific application. This article, therefore, provides an overview of techniques data mining and discusses their strengths in the context of mining business data. (original abstract)

Słowa kluczowe

PL

Metody statystyczne; Sieci neuronowe; Data Mining

EN

Statistical methods; Neural networks; Data Mining

• Czasopismo: Prace i Materiały Wydziału Zarządzania Uniwersytetu Gdańskiego
• Rocznik: 2004
• Numer: nr 3
• Strony: 221--229

Twórcy

autor

Kamila Najman

Bibliografia

• 1. Anderberg M. (1973), Cluster analysis for applications, Academic Press, Inc.
• 2. Barczak R., Kowalczyk Z. (1993), Metody badania koniunktury gospodarczej, PWN, Warszawa
• 3. Berry M., Lindoff G. (1997), Data Mining Techniques, for Marketing, Sales and 4. Customer Support, John Wiley&Sons, Inc.
• 5. Berthold M., Hand D. (1999), Intelligent Data Analysis, an Introduction, Springer-Verlag Berlin Heidelberg
• 6. Changchien W.S., Tzu-Chuen L., (2001), Mining association rules procedure to support on-line recommendation by customers and products fragmentation, Expert Systems with Applications, Pergamon, 20
• 7. Chen L., Sakaguchi T., Frolick M.N. (2000), Data Mining methods, applications, and tools, Information Systems Management, winter
• 8. Goldberg D.E. (1989), Algorytmy genetyczne i ich zastosowania, Wydawnictwa Naukowo-Techniczne, Warszawa
• 9. Edvinsson L., Malone M.S. (2001), Kapitał intelektualny, Wydawnictwo Naukowe PWN, Warszawa
• 10. Fish K.E., Barnes J.H., Aiken M.W. 1995, Artificial neural networks: a new methodology for industrial market segmentation, Industrial Marketing Management, 24, 5
• 11. Ha S., Park S. (1998), Application of data mining tools to hotel data mart on the Internet for database marketing, Expert Systems with Applications, Pergamon, 15
• 12. Hellwig Z. (1973), Zarys ekonometrii, PWE, Warszawa
• 13. Hg K., Liu H. (2000), Customer Retention via Data Mining, Artificial Intelligence Review, Issues on the Application of Data Mining, Kluwer Academic Publishers, 14
• 14. Lee W., Stolfo S.J., Mok K.W. (2000), Adaptive Intrusion Detection: A Data Mining Approach, Issues on the Application of Data Mining, Kluwer Academic Publishers, 14
• 15. Meyer R., Cook D. (2000), Visualization of data, Current Opinion in Biotechnology, 11
• 16. Najman K (2003), Rozwój nowoczesnych systemów informacyjnych -Knowledge discovery i data mining, Zeszyty Naukowe UG, nr l
• 17. Najman K. (2003), Data mining w procesie wydobywania wiedzy ze zbiorów danych, Zeszyty Naukowe UG, nr 2
• 18. Nam K., Schaefer T. (1995), Forecasting international airline passenger traffic using neural network, Logistics and Transportation Review, 31,3
• 19. Pociecha J., Podolec B., Sokołowski A., Zając K. (1988), Metody taksonomiczne w badaniach społeczno-ekonomicznych, PWE
• 20. Rutkowska D., Piliński M., Rutkowski L. (1997), Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, Wydawnictwo Naukowe PWN, Warszawa-Łódź
• 21. Stefanowski J. (2001), Algorytmy indukcji reguł decyzyjnych w okrywaniu wiedzy, Wydawnictwo Politechniki Poznańskiej, Rozprawy nr 361, Poznań
• 22. Wang X. (1999), Data Mining and Knowledge Discovery for Process Monitoring and Control, Springer- Verlag London
• 23. Zeng L. (1999), Prediction and Classification with Neural Network Models, Sociological Methods & Research, vol. 27, no. 4, May