Προβλεπτική αναλυτική με τη χρήση data mining αλγορίθμων

Abstract

Στον σημερινό κόσμο που βασίζεται στα δεδομένα, η ικανότητα πρόβλεψης μελλοντικών τάσεων και συμπεριφορών με βάση ιστορικά δεδομένα είναι ζωτικής σημασίας για τη λήψη στρατηγικών αποφάσεων σε διάφορους τομείς. Σε αυτή την εργασία διερευνάται η σφαίρα της προγνωστικής ανάλυσης μέσω της εφαρμογής αλγορίθμων εξόρυξης δεδομένων, με στόχο την ανάπτυξη ισχυρών μοντέλων που μπορούν να προβλέψουν τα αποτελέσματα με υψηλή ακρίβεια. Η έρευνα εμβαθύνει σε μια συγκριτική ανάλυση αρκετών τεχνικών εξόρυξης δεδομένων χωρίς επίβλεψη και με επίβλεψη, συμπεριλαμβανομένης της ομαδοποίησης, της ταξινόμησης, της παλινδρόμησης και της ανίχνευσης ανωμαλιών. Βασικοί αλγόριθμοι όπως δέντρα αποφάσεων, τυχαία δάση και μηχανές υποστήριξης διανυσμάτων αξιολογούνται με βάση την απόδοσή τους σε διαφορετικές προγνωστικές εργασίες.

Η μελέτη χρησιμοποιεί μια ολοκληρωμένη γραμμή προεπεξεργασίας δεδομένων για τον χειρισμό τιμών που λείπουν, ακραίες τιμές και κανονικοποίηση, διασφαλίζοντας την ποιότητα και την ακεραιότητα των δεδομένων εισόδου. Χρησιμοποιούνται δύο σύνολα δεδομένων για την επικύρωση της αποτελεσματικότητας των προτεινόμενων μοντέλων. Τα αποτελέσματα καταδεικνύουν την απόδοση των μεθόδων συνόλου και των αλγορίθμων βαθιάς μάθησης στην αποτύπωση πολύπλοκων προτύπων και στην πραγματοποίηση ακριβών προβλέψεων.

Επιπλέον, αυτή η διατριβή αντιμετωπίζει τις προκλήσεις της ερμηνευσιμότητας και της επεκτασιμότητας του μοντέλου, παρέχοντας πληροφορίες για την πρακτική εφαρμογή της προγνωστικής ανάλυσης σε σενάρια πραγματικού κόσμου.