DATA MINING USING WEKA AND RAPIDMINER
WEKA VE RAPIDMINER KULLANARAK VERİ MADENCİLİĞİ
- Tez No: 667387
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN, DR. MUHAMMAD ILYAS
- Tez Türü: Tıpta Yan Dal Uzmanlık
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Veri Madenciliği'nin büyük veritabanlarından tahmine dayalı bilgileri elde etme yeteneği, şirketlerin ve bireylerin elinde, günlük çalışmalarının ürettiği devasa verilerden kendileri için önemli olan şeylere odaklanmak için güçlü bir araçtır. Bu bilimin önemi, uygulamanın teorik kavramlarını olabildiğince çabuk oluşturan araçları hızla artırdığından, yarın bu araçlardan hangisinin istediğiniz görev için en iyi olduğuna karar vermek zordur. Çalışma, kamuoyu yoklamalarına göre en sık kullanılan verilerdeki iki sondaj aracı arasında bir karşılaştırma sağlar: Araştırmacı veya geliştiricinin en uygun olanı seçmesine yardımcı olmak için RapidMiner ve Weka. Karşılaştırma yedi kritere dayanıyordu: Platform, yerleşik algoritmalar, gelir ve çıktı için mevcut formüller, grafik gösterim yetenekleri, kullanıcı değerlendirmesi, yapı ve geliştirme yetenekleri, bir dizi veriye bir dizi sınıflandırma algoritması uygulayarak performans Apriori algoritmasını, Weka'ya uygulamasını ve algoritmalarını (K-NN, Naïve Bayes, Karar Ağacı) kullanarak sonuçları doğrulamak için RapidMiner'da ayarlar. Çalışma, RapidMiner'ın en fazla sayıda algoritmayı, girdi ve çıktı formülünü ve grafik gösterimi destekleyen bir araç olduğunu, RapidMiner'ın ise kullanım kolaylığında mükemmel olduğunu ve daha fazla platformu desteklediğini gösteriyor Performans açısından, RapidMiner kitaplıkları kullanılarak oluşturulan derleyici yalnızca daha yüksekti ön işleme aşamasının eklenmediği bazı durumlarda verinin doğası gereği empoze edilmiştir. Son olarak, seçenek, kullanıcının deneyimi ve aracı kullanma amacına göre herhangi bir aracı tercih etmektir.
Özet (Çeviri)
Data Mining's ability to extract predictive information from large databases is a powerful tool in the hands of companies and individuals to focus on what matters to them from the huge data generated by their daily work. As the importance of this science increases rapidly the tools that build the application's theoretical concepts as quickly as possible, so tomorrow it is difficult to decide which of these tools is best for your desired task. The study provides a comparison between the two drilling tools in the most commonly used data according to opinion polls: RapidMiner and Weka to help the researcher or developer choose the most appropriate. The comparison was based on seven criteria: The platform, the built-in algorithms, the formulas available for income and output, graphical representation capabilities, user assessment, structure and development capabilities, performance by applying a set of classification algorithms to a number of data sets and by using the Apriori algorithm, its application to Weka and its algorithms (K-NN, Naïve Bayes, Decision Tree) in the RapidMiner to verify results. The study shows that RapidMiner is the tool that supports the largest number of algorithms, input and output formulas, and graphical representation, while RapidMiner excels in ease of use and supports more platforms In terms of performance, the compiler built using RapidMiner libraries was higher only in some cases imposed by the nature of the data, where no preprocessing phase was added. Finally, the option is to prefer any tools based on the user's experience and purpose of using the tool.
Benzer Tezler
- Müşteri ilişkileri yönetimde veri madenciliği: Bir bankanın kredi müşterilerine yönelik uygulama
Data mining in customer relationship management: Applications for a bank's credit customers
HAFİZE ŞENYIL
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiKonya Gıda ve Tarım ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ KILIÇ
- Veri madenciliğinde çeşitli kümeleme algoritmalarının farklı platformlarda karşılaştırmalı analizi
Comperative analysis of several data mining clustering algorithms on different platforms
SUHA GÖKALP
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TOLGA AYDIN
- Veri madenciliği yöntemlerinin diyabet tahmininde kullanılması
Use of data mi̇ni̇ng methods i̇n di̇abetes prediction
DAMLA HALATCI
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGE YÜCEL KASAP
- Temel eğitimden ortaöğretime geçiş sınavı kazanımlarının veri madenciliği yöntemleri ile değerlendirilmesi
Evaluation of acquisitions of the transition from primary education to secondary education exam with data mining methods
ERTAN CAN
Yüksek Lisans
Türkçe
2017
Eğitim ve ÖğretimAfyon Kocatepe ÜniversitesiBilgisayar Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. UÇMAN ERGÜN
- Mikrodalga doku analizi ile meme kanseri teşhisi
Microwave tissue analysis with breast cancer diagnosis
ÇAĞRI ÇINAR
Yüksek Lisans
Türkçe
2015
MatematikYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜLYA ŞAHİNTÜRK