Data mining: algoritmi ed applicazioni
Autore
Sergio Matteo Savaresi - Università Cattolica del Sacro Cuore di Milano - [1999-00]
Documenti
Abstract
Questa tesi è divisa in due parti ben distinte: una parte introduttiva prevalentemente descrittiva (capitoli 2-3), ed una parte di carattere più innovativo (capitoli 4-6). Più precisamente, il contenuto di questo lavoro è strutturato come segue:
Capitolo 1. Introduzione generale.
Capitolo 2. Introduzione al Data Mining. In questo capitolo si definisce la nozione di Data-Mining, e viene proposta una sintetica ma completa discussione sui principali aspetti e caratteristiche del Data-Mining (perchè è importante, di quali sotto-problemi si compone, quali sono le competenze che richiede, ecc.).
Capitolo 3. Descrizione del metodo PDDP. In questo capitolo il metodo PDDP viene presentato in dettaglio. A conclusione del capitolo vengono brevemente analizzati e discussi i suoi attuali limiti: questa analisi costituirà la premessa e lo stimolo per gli sviluppi dell'algoritmo, che verranno proposti nei capitoli successivi.
Capitolo 4. Definizione dei criteri di valutazione delle performance. In questo capitolo, che si configura come indispensabile premessa ai successivi due capitoli dedicati allo sviluppo del metodo PDDP, si affronta il problema della valutazione delle performance di un algoritmo di unsupervised clustering. Questo problema, ad oggi ancora aperto, viene discusso preliminarmente in modo qualitativo; viene poi data una precisa definizione di un indice di performance (che verrà diffusamente utilizzato nel resto della tesi).
Capitolo 5. Scelta del cluster da partizionare. In questo capitolo si affronterà uno dei principali problemi legati alla tecnica PDDP, ossia la scelta dei sotto-cluster da partizionare (ovviamente al fine di massimizzare la qualità globale della partizione). Verrà proposta e sviluppata una semplice ma innovativa logica di scelta, la cui validità sarà verificata su un insieme di dati sperimentali.
Capitolo 6. Altri problemi. In questo capitolo verranno brevemente affrontati alcuni limiti dell'algoritmo PDDP nella sua attuale formulazione (il problema del trattamento di matrici di elevata dimensionalità, l'aggiornamento dei risultati, il criterio di partizione, ecc.). A questi problemi si darà una proposta di soluzione, che verrà brevemente discussa per via sperimentale o teorica.
Capitolo 7. Conclusioni e sviluppi futuri.
Capitolo 1. Introduzione generale.
Capitolo 2. Introduzione al Data Mining. In questo capitolo si definisce la nozione di Data-Mining, e viene proposta una sintetica ma completa discussione sui principali aspetti e caratteristiche del Data-Mining (perchè è importante, di quali sotto-problemi si compone, quali sono le competenze che richiede, ecc.).
Capitolo 3. Descrizione del metodo PDDP. In questo capitolo il metodo PDDP viene presentato in dettaglio. A conclusione del capitolo vengono brevemente analizzati e discussi i suoi attuali limiti: questa analisi costituirà la premessa e lo stimolo per gli sviluppi dell'algoritmo, che verranno proposti nei capitoli successivi.
Capitolo 4. Definizione dei criteri di valutazione delle performance. In questo capitolo, che si configura come indispensabile premessa ai successivi due capitoli dedicati allo sviluppo del metodo PDDP, si affronta il problema della valutazione delle performance di un algoritmo di unsupervised clustering. Questo problema, ad oggi ancora aperto, viene discusso preliminarmente in modo qualitativo; viene poi data una precisa definizione di un indice di performance (che verrà diffusamente utilizzato nel resto della tesi).
Capitolo 5. Scelta del cluster da partizionare. In questo capitolo si affronterà uno dei principali problemi legati alla tecnica PDDP, ossia la scelta dei sotto-cluster da partizionare (ovviamente al fine di massimizzare la qualità globale della partizione). Verrà proposta e sviluppata una semplice ma innovativa logica di scelta, la cui validità sarà verificata su un insieme di dati sperimentali.
Capitolo 6. Altri problemi. In questo capitolo verranno brevemente affrontati alcuni limiti dell'algoritmo PDDP nella sua attuale formulazione (il problema del trattamento di matrici di elevata dimensionalità, l'aggiornamento dei risultati, il criterio di partizione, ecc.). A questi problemi si darà una proposta di soluzione, che verrà brevemente discussa per via sperimentale o teorica.
Capitolo 7. Conclusioni e sviluppi futuri.
Questa tesi è correlata alla categoria
segnala questa pagina ::.