Seminar
Môn: Hệ hỗ trợ ra quyết định
GOM CỤM TRONG DATA MINING VÀ BÀI TOÁN HỔ TRỢ RA QUYẾT ĐỊNH
VỚI GIAO DIỆN WEKA
GOM CỤM TRONG DATA MINING VÀ BÀI TOÁN HỔ TRỢ RA QUYẾT ĐỊNH
VỚI GIAO DIỆN WEKA
GVHD:PGS.TS Đỗ Phúc
HVTH: 1. Huỳnh Ngọc Ca – CH1401002
2. Hứa Phước Trường – CH1401023
3. Chu Thị Huế - CH1401004
4. Phạm Thị Thắm – CH1401019
GVHD:PGS.TS Đỗ Phúc
HVTH: 1. Huỳnh Ngọc Ca – CH1401002
2. Hứa Phước Trường – CH1401023
3. Chu Thị Huế - CH1401004
4. Phạm Thị Thắm – CH1401019
TỔNG QUAN QUÁ TRÌNH KHAI PHÁ DỮ LIỆU
PHÂN CỤM DỮ LIỆU VÀ THUẬT TOÁN
K-MEANS
GIỚI THIỆU VỀ PHẦN MỀM WEKA
GOM CỤM K-MEANS SỬ DỤNG GIAO DIỆN
WEKA
KẾT LUẬN
NỘI DUNG TRÌNH BÀY
TỔNG QUAN QÚA TRÌNH KHAI PHÁ DỮ LIỆU
PHÂN CỤM DỮ LIỆU VÀ THUẬT TOÁN
K-MEANS
GIỚI THIỆU VỀ PHẦN MỀM WEKA
GOM CỤM K-MEANS SỬ DỤNG GIAO DIỆN
WEKA
KẾT LUẬN

Phân cụm và phân đoạn

Luật kết hợp (Associa3on rules)
1.5 CÁC ỨNG DỤNG KHAI PHÁ DỮ LIỆU

1. TỔNG QUAN QÚA TRÌNH KHAI PHÁ DỮ LIỆU

Phân 6ch dữ liệu và hỗ trợ ra quyết định (Analysis & deci3on support).

Điều trị trong y học (Medical

Phân lớp văn bản, tóm tắt văn bản và phân lớp các trang Web (Text mining & Web mining).

Tin sinh học (Bio-informa3csNhận dạng.

Tài chính và thị trường chứng khoán (Finance & stock market

Bảo hiểm (Insurance), giáo dục (Educa3on),…
1.6 NHỮNG KHÓ KHĂN TRONG QUÁ TRÌNH KHAI PHÁ DỮ LIỆU

1. TỔNG QUAN QÚA TRÌNH KHAI PHÁ DỮ LIỆU

Cơ sở dữ liệu lớn.

Số chiều các thuộc 6nh lớp.

Thay đổi dữ liệu và tri thức có thể làm cho các mẫu đã phát hiện không còn phù hợp.

Dữ liệu bị thiếu hoặc bị nhiễu.


2. Mục đích của phân cụm


Xác định được bản chất của việc nhóm các đối tượng trong 1 tập dữ liệu không có nhãn.

Phân cụm không dựa trên 1 tiêu chuẩn chung nào, mà dựa vào tiêu chí mà người dùng cung cấp
trong từng trường hợp.
2.1 TỔNG QUAN VỀ PHÂN CỤM DỮ LIỆU

2. PHÂN CỤM DỮ LIỆU VÀ THUẬT TOÁN
K-MEANS
3. Một số phương pháp phân cụm điển hình

Phân cụm phân hoạch

Phân cụm phân cấp

Phân cụm dựa trên mật độ

Phân cụm dựa trên lưới

Phân cụm dựa trên mô hình

Phân cụm có ràng buộc
2.1 TỔNG QUAN VỀ PHÂN CỤM DỮ LIỆU

2. PHÂN CỤM DỮ LIỆU VÀ THUẬT TOÁN
K-MEANS

Thuật toán phân cụm K-Means

2. PHÂN CỤM DỮ LIỆU VÀ THUẬT TOÁN
K-MEANS
2.3 THUẬT TOÁN GOM CỤM K-MEANS

2. PHÂN CỤM DỮ LIỆU VÀ THUẬT TOÁN
K-MEANS
2.3 THUẬT TOÁN GOM CỤM K-MEANS

2. PHÂN CỤM DỮ LIỆU VÀ THUẬT TOÁN
K-MEANS
2.3 THUẬT TOÁN GOM CỤM K-MEANS
TỔNG QUAN QÚA TRÌNH KHAI PHÁ DỮ LIỆU
PHÂN CỤM DỮ LIỆU VÀ THUẬT TOÁN
K-MEANS
GIỚI THIỆU VỀ PHẦN MỀM WEKA
GOM CỤM K-MEANS SỬ DỤNG GIAO DIỆN
WEKA
KẾT LUẬN
NỘI DUNG TRÌNH BÀY
3. GIỚI THIỆU VỀ PHẦN MỀM WEKA
GIỚI THIỆU VỀ PHẦN MỀM WEKA

Waikato Enviroment for Knowledge Analysis

Được phát triển bởi ĐH Waikato, New Zealand

Là phần mềm mã nguồn mở viết bằng Java và tích hợp các thuật toán máy
học và khai thác dữ liệu
Có thể tải về từ địa chỉ:
/> 3. GIỚI THIỆU VỀ PHẦN MỀM WEKA