Καταγραφή λογισμικών ανοιχτού κώδικα για το χώρο του Data Mining.

Abstract

Σκοπός της παρούσας διπλωματικής είναι η μελέτη λογισμικών ανοιχτού κώδικα για το χώρο του data miming. Τα προγράμματα αυτά είναι τα παρακάτω: Carrot2, Orange, RapidMiner, Weka, Rattle και Tanagra. Στο πρώτο κεφάλαιο γίνεται μία εισαγωγή στην έννοια λογισμικό ανοιχτού κώδικα και data miming καθώς και σε κάποιους βασικούς όρους που θα χρησιμοποιηθούν στη συνέχεια. Ιδιαίτερη βαρύτητα δίνεται στη λειτουργικότητα του κάθε λογισμικού, στη δομή του, καθώς και στα εργαλεία και εφαρμογές που μας παρέχει προκειμένου να δημιουργηθεί μία πρώτη ιδέα ως προς την ποιότητα, χρησιμότητα και περιεχόμενο του καθενός από αυτά. Με ένα μεγάλο αριθμό screenshots παρουσιάζεται και η διεπιφάνεια χρήστη των λογισμικών καθώς και ένας μεγάλος αριθμός λειτουργιών τους (κεφάλαιο 2). Στα επόμενα δύο κεφάλαια μελετώνται η κατηγοριοποίηση και συσταδοποίηση, δύο από τις βασικότερες έννοιες και εργαλεία στην εξόρυξη δεδομένων. Αρχικά δίνονται οι πιο βασικές τεχνικές κατηγοριοποίησης, όπως είναι τα δέντρα απόφασης, τα Bayesian δίκτυα, οι ταξινομητές κ−κοντινότερου γείτονα και τα τεχνητά νευρωνικά δίκτυα. Επίσης, για κάθε ένα από τα λογισμικά δίνεται και από ένα παράδειγμα εφαρμογής της τεχνικής με τη βοήθεια screenshot (κεφάλαιο 3). Στο τέταρτο κεφάλαιο αναφέρονται αντίστοιχα οι τεχνικές συσταδοποίησης που είναι οι εξής: τμηματική συσταδοποίηση, ιεραρχική συσταδοποίηση, συσταδοποίηση βάση πυκνότητας, βάση πλέγματος, βάση μοντέλου και συσταδοποίηση δεδομένων κατηγοριακού τύπου. Και εδώ επίσης δίνονται παραδείγματα. Τέλος στο κεφάλαιο 5 βρίσκονται τα συνολικά συμπεράσματα αλλά και για το κάθε λογισμικό χωριστά.