İş zekası ve veri madenciliği
tarafından
 
Şeker, Şadi Evren. yazar

Başlık
İş zekası ve veri madenciliği

Yazar
Şeker, Şadi Evren. yazar

ISBN
9786051276717

Yazar Ek Girişi
Şeker, Şadi Evren. yazar

Fiziksel Tanımlama
206 sayfa : şekil ; 20 cm.

Seri
Cinius Yayınları

Seri Başlığı
Cinius Yayınları

İçerik
İçindekiler -- Giriş ve Kitabın Kullanılışı 11 -- 1.1 Kitabın konulara göre bölüm ve -- alt bölümlere ayrılışı 13 -- 1.2 Kitabın dili ve terminoloji 14 -- 1.3 Kitaptaki örnek ve kodların kullanılması 16 -- 1.4 Konu sonu alıştırmaları 16 -- Veri Madenciliğine Giriş 19 -- 2.1 Veri Nedir? 21 -- 2.2 Veri Tabanı Nedir? 23 -- 2.3 Veri Madenciliği (Data Mining) Nedir? 25 -- 2.4 iş Zekası (Business Intelligence) Nedir? 26 -- 2.5 Örnek Çalışma 29 -- 2.6 Sorular 32 -- WEKA 33 -- 3.1 Weka'nin Ekranları 36 -- 3.2 Weka Bilgi Akış Ekranı (Knowledge Flow) 43 -- 3.2.1 1. Adım: Wekanin Çalıştırılması ve -- Knowledge Flow Ekranına Erişim 44 -- 3.2.2 2. Adım: ArffLoader bileşeni ile bir -- arff dosyasının yüklenmesi 46 -- 3.2.3 3. Adım:Yüklenen veri kümesi üzerinden -- hedef sınıfın belirlenmesi 50 -- 3.2.4. 4. Adım: Veri kümesinin test ve eğitim -- (test and training) kümelerine ayrıştırılması 53 -- 3.2.5. 5. Adım: Sınıflandırırının eklenmesi 56 -- 3.2.6. 6. Adım: Sınırlandırıcının sonuçlarının ve -- hata miktarının değerlendirilmesi 60 -- 3.2.7. 7. Adım: Sonuçların gösterilmesi 60 -- 3.3. Sorular 64 -- Veri Ön İşleme (Data Pre-Processing) 65 -- 4.1 Veri Ön işlemesinin Amacı 67 -- 4.2 Veri Neden Kirlenir? 68 -- 4.3 Veri Ön işlemesinin Önemi 69 -- 4.4 Veri Ön İşleme Yöntemleri 69 -- 4.5 Zan (Imputation) Yöntemi 69 -- 4.5.1 Liste boyunca silme (listwise deletion) 71 -- 4.5.2 Eşlerin silinmesi (Pairwise deletion) 72 -- 4.5.3 Ortalama Zan (Mean imputation) 73 -- 4.5.4 İlkelleme Zannı (Regression Imputation): 75 -- 4.5.5 Son Gözlemin Taşınması -- (Last Observation Carried Forward): 75 -- 4.6 Hatalı Verilerin Düzenlenmesi 77 -- 4.6.1 Kutulama (Binning) 77 -- 4.6.2 Kümeleme (Clustering) 81 -- 4.6.3 ilkelleme (Regression) 82 -- 4.7 Weka ile Veri Ön işlemesi 87 -- 4.8 Weka ile Ayrık Veri Dönüşümü (Discretize) 100 -- 4.9 Weka ile Eksik Verilerin Ön işlenmesi 104 -- Veri Dönüştürme (Data Transformation) 107 -- 5.1 Düzleştirme (Smoothing) 110 -- 5.1.1 Rassal Yürüme (Random Walk) 111 -- 5.1.2 Hareketli Ortalama (Moving Average) 111 -- 5.1.3 Göreceli Güç İndeksi (Relative Strength Index) 114 -- 5.1.4 Momentum ve Değişim Oranı (Rate of Change) 115 -- 5.1.5 Bollinger Bantı (Bollinger Bant) 117 -- 5.1.6 İvme (Acceleration) ve Fark (Difference) 118 -- 5.2 Veri Birleştirme (Data Aggregation) 122 -- 5.2.1 HİS (Hareket İşlem Sistemleri, TPS, -- Transaction Processing Systems) 122 -- 5.2.2 OLTP(ÇİHİ) 125 -- 5.2.3 OLAP(ÇİAİ) 126 -- 5.3 Normalleştirme (Normalization) 127 -- 5.3.1 Asgari - Azami Normalleştirmesi -- (Min-Max Normalisation) 128 -- 5.3.2 Standart Skor (Standard Score): 130 -- 6 Veri Madenciliği (Data Mining) 133 -- 6.1 Sınıflandırma 138 -- 6.2 Destekçi Vektör Makineleri -- (Support Vector Machine, SVM) 138 -- 6.3 Doğrusal Olmayan Destekçi Vektör Makineleri 142 -- 6.4 Naif Bayes (Naive Bayes) Sınıflandırmışı 150 -- 6.5 Karar Ağacı Öğrenmesi (Decision Tree Learning) 155 -- 6.5.1 Karar ağacı öğrenme algoritmaları 157 -- 6.5.2 Karar ağacı öğrenme algoritmalarının avantajları 158 -- 6.5.3 Yöntemin Kısıtları 160 -- 6.6 K- En Yakın Komşu (K-Nearest Neighborhood, KNN) 161 -- 6.7 Kümeleme (Clustering) 165 -- 6.7.1 K-Ortalama Kümelemesi (K-means Clustering) 165 -- 6.8 Hata Oranları (Error Rates) 169 -- 6.8.1 Kare Ortalamalarının Karekökü -- (Root Mean Square Error) 169 -- 6.8.2 Tip 1 ve Tip 2 Hata Oranları 170 -- 6.8.3 F Ölçümü (F-Measure) 173 -- 7 WEKA ile Veri Madenciliği 175 -- 7.1 WEKA ile SVM 177 -- 7.2 Weka ile Yapay Sinir Ağları (Artificial Neural Networks) 187 -- EK 1 WEKA'nin Kurulması 197 -- EK 2 WEKA üzerinde yazılım geliştirilmesi 203 -- Basit bir WEKA kodu 203 --

Özet
Bu kitap, iş zekası ve veri madenciliği konularına giriş mahiyetindedir. Kitap kapsamında temel KDD akışı takip edilmiştir. Ayrıca veri ön işleme, veri dönüşümü ve veri madenciliğinde sık kullanılan sınıflandırma, kümeleme, ilişkilendirme ve tahmin yöntemleri gibi yöntemler açıklanmıştır. WEKA yazılımı üzerinden kitapta işlenen teorik konuların uygulamaları da anlatılmıştır.

Konu Başlığı
İş girişimleri -- Veritabanları.
 
Business intelligence -- Databases.
 
Yönetim bilişim sistemleri.
 
Management information systems.


LibraryMateryal TürüDemirbaşYer NumarasıDurumu / Lokasyon / İade Tarihi
Ekonomi KütüphanesiKitapEKOBKN0002593005.7 SEK 2013Merkez Kütüphane Genel Koleksiyon