Oprogramowanie wspierające analizy danych metodami Data Mining

• Autorzy: Mirosława Lasek

Warianty tytułu

Support software for data mining analysis

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono podstawowe możliwości, jakie oferują programy eksploracji danych: Enterprise Miner firmy SAS Inc, Clementine, SPSS i Anwer Tree firmy SPSS Inc., STATISTICA Data Miner firmy StatSoft Inc., DataEngine firmy MIT GmbH. W opracowaniu zostały opisane te programy, które Autorka miała okazję wykorzystywać. Każdy z przedstawionych programów charakteryzuje się szerokim zakresem wspomagania, ich funkcje częściowo pokrywają się. Najszerzej wspomagane są: analiza skupień, sieci neuronowe, drzewa decyzyjne. Spośród omówionych programów jedynie DataEngine wspomaga działania na zbiorach rozmytych i stwarza możliwość budowy modeli rozmytych. Wszystkie programy posiadają wygodny dla użytkownika interfejs i stwarzają przyjazne środowisko pracy. Przedstawiony artykuł jest pierwszym z serii opisujących problematykę eksploracji danych Data Mining, które są planowane w "Wiadomościach Statystycznych. Kolejny będzie dotyczyć sieci neuronowych. (abstrakt oryginalny)

EN

In the paper, data mining software potentialities are presented including SAS Enterprise Miner, SPSS Clementine, SPSS and SPSS Answer Tree, StatSoft STATISTICA Data Miner, MIT GmbH DataEngine. Special attributes of each application and their usefulness for users are described and discussed. In this paper are described applications, which were used by the author. Every presented application is characterized by the wide range of support and their functions are partly overlapping each other. The widest support is provided for: clustering, neural networks, decision trees. Only DataEngine among others applications supports activities on fuzzy sets and creates a possibilty of fuzzy setes models builidng. All aplications have user friendly interface and create friendfly working enviroment. This paper is the first one of the series of articles dealing with Data Mining issue, which are planned to be published in the !iStatistical News ". The next one will concern the neural networks. (original abstract)

Słowa kluczowe

PL

Analiza danych statystycznych; Analiza statystyczna; Badania statystyczne; Informatyczne systemy statystyki; Drzewo decyzyjne

EN

Statistical data analysis; Statistical analysis; Statistical surveys; Statistic information systems; Decision tree

• Czasopismo: Wiadomości Statystyczne
• Rocznik: 2007
• Numer: nr 3
• Strony: 79--87

Twórcy

autor

Mirosława Lasek

Bibliografia

• Gatnar E. (1998), Symboliczne metody klasyfikacji danych, Wydawnictwo Naukowe PWN, Warszawa
• Gatnar E. (2001), Nieparametryczna metoda dyskryminacji i regresji, Wydawnictwo Naukowe PWTSf, Warszawa
• Gatnar E., Walesiak M. (redaktorzy naukowi) (2004), Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław
• Goldberger D. (2003), Algorytmy genetyczne i ich zastosowania, Wydawnictwa Naukowo-Techniczne W-NT, Warszawa
• Gwiazda T. D. (1995), Algorytmy genetyczne. Wstąp do teorii, Wydawnictwa Naukowo-Techniczne W-NT, Warszawa
• Hand D., Heikki M., Padhraic (2005), Eksploracja danych, Wydawnictwa Naukowo-Techniczne W-NT, Warszawa
• Koronacki J., Ćwik J. (2005), Statystyczne systemy uczące się, Wydawnictwa Naukowo-Techniczne W-NT, Warszawa
• Larosc D.T. (2006), Odbywanie wiedzy z danych, Wydawnictwo Naukowe PWN, Warszawa
• Lasek M. (2002), Data Mining. Zastosowania w analizach i ocenach klientów bankowych, Oficyna Wydawnicza „Zarządzanie i finanse", Biblioteka Menedżera i Bankowca, Warszawa
• Lasek M. (2004), Oddanych do wiedzy. Metody i techniki „Data Mining", „Optium" nr 2
• Lasek M. (2004), Nowe metody wykorzystania wiedzy i wspomagania procesu decyzyjnego (Data Mining), „Ekonomika i organizacja przedsiębiorstwa" nr 7
• Lasek M., Nowak E. (2002), Porównywanie kondycji ekonomicznej przedsiębiorstw za pomocą rozmytej metody analizy skupień, w: Mirosława Lasek (red), Metody analiz porównawczych kondycji ekonomicznej przedsiębiorstw, Wyd. Nowy Dziennik, Warszawa
• Lasek M., Pęczkowski M. (1990), Procedury analizy taksonomicznej pakietu statystycznego SPSS, „Wiadomości Statystyczne" nr 5
• Lasek M., Pęczkowski M. (2002), Przeprowadzanie segmentacji przedsiębiorstw za pomocą drzew klasyfikacyjnych, „Ekonomia" nr 7
• Lula P., Tadeusiewicz R. (opracowanie na podstawie materiałów firmy Statsoft 2001), Wprowadzenie do sieci neuronowych, Statsoft Polska, Kraków
• Pęczkowski M. (2001), Regresja logistyczna, materiały wewnętrzne WNE UW, niepublikowane, Warszawa
• Stanimir A. (2005), Analiza korespondencji jako narzędzie do badania zjawisk ekonomicznych, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław
• Tadeusiewicz R. (1998), Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami, Akademicka Oficyna Wydawnicza PLJ, Warszawa
• Witkowska D. (2002), Sztuczne sieci neuronowe i metody statystyczne. Wybrane zagadnienia finansowe, Wydawnictwo C. H. Beck, Warszawa