Υλοποίηση αλγορίθμων μείωσης όγκου δεδομένων ως φίλτρα προεπεξεργασίας του Weka.

Abstract

Στην εποχή της Πληροφορίας και της μεγάλης ανάπτυξης του Διαδικτύου, η διαχείριση και επεξεργασία μεγάλων συνόλων δεδομένων αποκτά όλο και μεγαλύτερη σημασία. Η Εξόρυξη Γνώσης από Δεδομένα είναι η υπολογιστική διαδικασία ανακάλυψης προτύπων σε μεγάλα σύνολα δεδομένων. Στόχος της είναι η εξαγωγή πληροφορίας και η μετατροπή της σε κατανοητή μορφή για περαιτέρω χρήση. Ωστόσο, με το μέγεθος των συνόλων δεδομένων που χρησιμοποιούνται στις εφαρμογές να αυξάνεται με μεγάλο ρυθμό, κρίνεται αναγκαία η επεξεργασία τους ώστε να περιέχουν μόνο τις χρήσιμες πληροφορίες. Οι Τεχνικές Μείωσης Όγκου Δεδομένων είναι υπεύθυνες για αυτό το σκοπό, εφαρμόζοντας, μεταξύ άλλων, Συμπύκνωση και Επιλογή Δεδομένων. Με τον τρόπο αυτό, διατηρείται ένα αντιπροσωπευτικό δείγμα των δεδομένων με μικρό μέγεθος αλλά και με διατήρηση των σημαντικών χαρακτηριστικών ώστε να γίνεται επιτυχώς η περεταίρω ανάλυσή τους. Στην Εργασία παρουσιάζεται η υλοποίηση κάποιων βασικών αλγορίθμων Μείωσης Όγκου Δεδομένων ως φίλτρα προεπεξεργασίας του προγράμματος Weka το οποίο αποτελεί ένα από τα σημαντικότερα λογισμικά Μηχανικής Μάθησης και είναι προϊόν Ανοικτού Κώδικα.