Προβλεπτική αναλυτική με τη χρήση data mining αλγορίθμων

Σίμου, Ευρυδίκη

dc.contributor.advisor	Φιλιππάκης, Μιχαήλ
dc.contributor.author	Σίμου, Ευρυδίκη
dc.date.accessioned	2025-06-13T09:40:47Z
dc.date.available	2025-06-13T09:40:47Z
dc.date.issued	2025-03
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/17842
dc.description.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.	el
dc.format.extent	69	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.title	Προβλεπτική αναλυτική με τη χρήση data mining αλγορίθμων	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων	el
dc.description.abstractEN	In today's data-driven world, the ability to predict future trends and behaviors based on historical data is crucial for strategic decision-making across various sectors. This thesis explores the realm of predictive analytics through the application of data mining algorithms, aiming to develop robust models that can forecast outcomes with high accuracy. The research delves into a comparative analysis of several unsupervised and supervised data mining techniques, including clustering, classification, regression, and anomaly detection. Key algorithms such as decision trees, random forests and support vector machines are evaluated based on their performance in different predictive tasks. The study employs a comprehensive data preprocessing pipeline to handle missing values, outliers, and normalization, ensuring the quality and integrity of the input data. There are used two datasets to validate the effectiveness of the proposed models. The results demonstrate the performance of ensemble methods and deep learning algorithms in capturing complex patterns and making precise predictions. Moreover, this thesis addresses the challenges of model interpretability and scalability, providing insights into the practical implementation of predictive analytics in real-world scenarios.	el
dc.contributor.master	Πληροφοριακά Συστήματα και Υπηρεσίες	el
dc.subject.keyword	Data mining	el
dc.subject.keyword	Προβλεπτική αναλυτική	el
dc.subject.keyword	Δεδομένα	el
dc.subject.keyword	Προεπεξεργασία	el
dc.subject.keyword	Μοντέλο	el
dc.subject.keyword	Python	el
dc.subject.keyword	Μάθηση με επίβλεψη	el
dc.subject.keyword	Μάθηση χωρίς επίβλεψη	el
dc.date.defense	2025-05-28

Αρχεία σε αυτό το τεκμήριο

Name:: Simou_2251.pdf
Μέγεθος:: 1.756Mb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα