Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
http://dspace.lib.uom.gr/handle/2159/27008
Συγγραφέας: | Μαστρογιαννη, Βασιλική |
Τίτλος: | Ανάλυση κατά συστάδες σε μεικτού τύπου δεδομένα: μια βιβλιογραφική επισκόπηση και εφαρμογή σε δεδομένα βραχυχρόνιας μίσθωσης καταλυμάτων |
Αλλοι τίτλοι: | Clustering mixed-type data: a literature review and application on short-term rental data |
Ημερομηνία Έκδοσης: | 2022 |
Τμήμα: | Πρόγραμμα Μεταπτυχιακών Σπουδών Αναλυτική των Επιχειρήσεων και Επιστήμη των Δεδομένων |
Επόπτης Καθηγητής: | Μάρκος, Άγγελος |
Περίληψη: | Η ανάλυση κατά συστάδες ή συσταδοποίηση (clustering) περιλαμβάνει μεθόδους μη εποπτευόμενης μάθησης (unsupervised learning) που εφαρμόζονται για να δοθούν απαντήσεις σε ερευνητικά ερωτήματα/υποθέσεις ή να διατυπωθούν νέα/ες σε ποικίλα επιστημονικά πεδία, από την ιατρική και την βιολογία ως την κοινωνιολογία. Αυτό επιτυγχάνεται μέσω της συμβολής των μεθόδων στον εντοπισμό και την ανάδειξη διακριτών υποομάδων υποκειμένων, μοτίβων και ομοιοτήτων σε μη ταξινομημένα σύνολα δεδομένων. Βασικός σκοπός αυτής της εργασίας είναι η ανασκόπηση και η σύγκριση μεθόδων συσταδοποίησης για μεικτού τύπου δεδομένα, δηλαδή πίνακες δεδομένων με κατηγορικές και συνεχείς μεταβλητές. Αρχικά, παρουσιάζεται το μαθηματικό υπόβαθρο τεσσάρων μεθόδων συσταδοποίησης για μεικτού τύπου δεδομένα. Έπειτα, οι μέθοδοι εφαρμόζονται σε ένα πραγματικό σύνολο δεδομένων (δεδομένα για καταλύματα της Airbnb στην Αθήνα) με σκοπό την σύγκριση των αποτελεσμάτων τους και την ανάδειξη των πλεονεκτημάτων και μειονεκτημάτων της κάθε μεθόδου. Τα αποτελέσματα έδειξαν τις ομοιότητες αλλά και τις διαφορές μεταξύ των μεθόδων, χωρίς ωστόσο κάποια μέθοδος να ξεχωρίζει σημαντικά έναντι των υπολοίπων |
Λέξεις Κλειδιά: | Ομαδοποίηση σε συστάδες Συσταδοποίηση Clustering |
Πληροφορίες: | Διπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2022. |
Δικαιώματα: | Αναφορά Δημιουργού 4.0 Διεθνές |
Εμφανίζεται στις Συλλογές: | ΠΜΣ Αναλυτική των Επιχειρήσεων και Επιστήμη των Δεδομένων (Μ) |
Αρχεία σε αυτό το Τεκμήριο:
Αρχείο | Περιγραφή | Μέγεθος | Μορφότυπος | |
---|---|---|---|---|
MastrogianniVasilikiMsc2022.pdf | 1.16 MB | Adobe PDF | Προβολή/Ανοιγμα |
Αυτό το τεκμήριο προστατεύεται από Αδεια Creative Commons