Supervised and unsupervised learning techniques in data mining
Veri madenciliğinde yönlendirilmiş ve yönlendirilmemiş öğrenme teknikleri
- Tez No: 83826
- Danışmanlar: DOÇ.DR. ALP KUT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1999
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
ÖZET Büyük boyuttaki veri tabanları bir çok bilgiyi içerir. Bu bilgilerin bazıları açık ve kolay anlaşılır bilgilerdir. Ancak bazı bilgiler veri tabanı içinde gizlidir ve doğrudan ulaşılamazlar. İşte bu noktada, veri madenciliği ( data nıining ) ve onun teknikleri kullanılarak, veri tabanından gizli bilgilerin büyük bir çoğunluğu elde edilebilir. Veri madenciliği yöntemleri ile pek çok ilişki elde edilebilir. Burada önemli olan, bu ilişkilerden anlamlı ve faydalı olanlarını seçebilmektir. Bu işlem için tümevarım veya suni zeka teknikleri kullanılabilir. Bu ilişkilerin güvenirliği ise istatistiksel yöntemler kullanılarak test edilebilir. Bu çalışmada veri tabanından bilgi keşfetme, öğrenme teknikleri ve veri madenciliğinin teknikleri üzerinde durulmuştur. Önce, veri tabanından bilgi keşfetme ve öğrenme teknikleri kısaca hatırlatılmıştır. Daha sonra ise, veri madenciliği konusu daha derinlemesine incelenmiş ve tartışılmıştır.
Özet (Çeviri)
IV ABSTRACT Large databases are composed of a lot of information some being very explicit and some being not so straight forward. At this point data mining with all its techniques emerges to help us getting the most out of the databases. Since we can create a lot of relationships within the databases, it is of prime importance to choose the meaningful and useful ones, techniques like machine learning is used and their reliability is checked through statistical techniques. In this study, knowledge discovery in databases, types of learning, and several data mining techniques are defined. First of all. the concept of knowledge discovery in databases and types of learning are briefly explained to enlighten the minds then, data mining is examined and discussed to a certain depth.
Benzer Tezler
- Predicting solar energy production using incremental machine learning techniques
Kademeli makine öğrenmesi teknikleri kullanarak güneş enerjisi üretimi tahmini
SEMANUR KAPUSIZOĞLU
Yüksek Lisans
İngilizce
2023
EnerjiHacettepe ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYA DİNLER
- Veri madenciliğinde hibrit model yaklaşımı
Hybrid model approach in data mining
BATUHAN BAKIRARAR
Doktora
Türkçe
2021
BiyoistatistikAnkara ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
PROF. DR. ATİLLA HALİL ELHAN
- Stratejik yönetim perspektifinden sigortacılık sektöründe makine öğrenmesi algoritmaları ile anomali tespiti
An application of machine learning to anomaly detection in insurance industry using strategic management approach
AYŞE NURBANU ŞAHAN
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. TOLGA KAYA
- Breast cancer data classification using SVM, NB and KNN algorithms
SVM, NB ve KNN kullanımı ile göğüs kanseri veri sınıflandırması
BURCU MERAL
Yüksek Lisans
İngilizce
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. KAMİL ORUÇOĞLU
- Yassı alüminyum üretiminde kalite sınıflarının makine öğrenmesi yöntemleri ile tahminlenmesi
Prediction of quality classification in flat rolled aluminium production using machine learning methods
ALPEREN AYTATLI
Doktora
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER KİRAZ