Porovnání modelů pro dolování dat z databází

Abstract

S prudkým rozvojem informačních technologií neustále stoupá i množství vyprodukovaných dat a narůstá potřeba je rychle a efektivně zpracovávat za účelem odhalení skrytých znalostí obsažených v datech. Tahle práce se zabývá procesem dolování dat z databází, jeho jednotlivými fázemi, různými metodami pro dolování v datech a jejich porovnáním. Podrobně je analyzován model regrese, neuronové sítě a rozhodovacího stromu.V práci je též představen jeden z předních nástrojů pro dolování SAS Enterprise Miner a je demonstrováno jeho praktické použití. Cílem této práce je porovnání modelů pro dolování v prostředí SAS Enterprise Miner, diskuze dosažených výsledků a analýza, který model je vhodný pro jaký druh dat.

Increasing development of information technology causes the amount of produced data to grow continously. And so the need becomes more intensive to process the produced data fast and efficiently to discover hidden knowledge contained in the data. This thesis examines the process of knowledge discovery in data, it's particular phases, various methods for mining the data and their comparation. Models of regression, neural network and decision tree are analysed in detail. The thesis also introduces one of the leading tools for datamining the SAS Enterprise Miner and demonstrates it's practical application on data. The purpose of this thesis is comparation of models for datamining in the SAS Enterprise Miner environment, discussion of the results and analysis to determine which model is suitable for different kinds of mined data.