Veri Madenciliği_{Kavram ve Algoritmaları}

Bu eserde, hemen her disiplinde çeşitli amaçlar için kullanılan “Veri Madenciliği” konusu teknik açıdan incelenmiş ve alanında adı sıkça geçen algoritmalara ilişkin çözümlü örnekler verilmiştir. Bu amaçla veri madenciliği modelleri, sınıflandırma teknikleri, sınıflandırma algoritmaları, birliktelik kuralları, ilişki analizi ve kümeleme analizi gibi konular yalın bir dille ve örneklerle ele alınmıştır.

Kitabın genişletilmiş olan bu baskısında daha fazla örnek uygulamalar verilerek, konuların daha iyi anlaşılması sağlanmıştır. Ayrıca, literatürde öne çıkan yeni yeni algoritmalar da ele alınmıştır. Kitabın ilk baskısında tanıtılan ticari ve açık kaynak kodlu veri madenciliği yazılımlarına ek olarak, bu baskıda Clementine (IBM) programı ve KNIME açık kaynak kodlu veri madenciliği yazılımı incelenmiş ve bunlara ilgili örnek uygulamalar adım adım anlatılmıştır.

Bu kitabı, üniversitelerde ilgili derslerde yardımcı kitap olarak kullanan akademisyenler için de derslerinde kullanılmak üzere PowerPoint sunum dosyaları da hazırlanmıştır. Bu sunum dosyaları yayınevinden istenebilir.

--------

İÇİNDEKİLER

Önsöz

Bölüm 1. Veri Madenciliği
1.1. Veri Madenciliği Uygulama Alanları
1.2. Veri Ambarlari ve OLAP
1.3. Veri Madenciliği için Verilerin Hazırlanması
1.3.1.  Verilerin Temizlenmesi
1.3.1.1. Kayıp Veriler
1.3.1.2. Verilerdeki Gürültünün Temizlenmesi
1.3.2.  Verilerin Yeniden Yapılandırılması
1.3.2.1. Normalizasyon
1.3.2.2. Verilerde Boyut İndirgeme
1.3.2.3. Verilerde Dönüştürme İşlemleri
1.4. Özet
1.5. Sorular
 
Bölüm 2.  Veri Madenciliği Modelleri
2.1. Değer Tahmini Modeli
2.2. Bağlantı Analizi (Link Analysis)
2.3. Birliktelik Kuralları (Association Rules)
2.4. Örüntü Tanıma
2.5. Ardışık Zaman Örüntüleri
2.6. Dolandırıcılık Tespiti
2.7. Kümeleme analizi
2.8. Veri Madenciliği Model ve Algoritmalarına Genel Bakış
2.9. Özet
2.10. Sorular
 
Bölüm 3. Sınıflandırma Teknikleri ve Algoritmalar
3.1. Karar Ağaçları
3.1.1.  ID3 Algoritması
3.1.2.  C 4.5 ve C 5 Algoritmaları
3.1.3.  CART Algoritması
3.1.4.  SLIQ Algoritması
3.1.5.  SPRINT Algoritması
3.1.6. Değişken Merkezli Karar Ağacı Algoritması
3.2.  İstatistiğe Dayalı Algoritmalar
3.2.1. Bayesyen Sınıflandırma
3.2.2. Regresyon
3.2.3. CHAID Algoritması
3.3. Mesafeye Dayalı Sınıflandırma Algoritmaları
3.3.1. K-En Yakın Komsu
3.3.2. En Küçük Mesafe Sınıflandırıcısı
3.4. Yapay Sinir Ağları
      3.4.1. İleri Sürümlü Yapay Sinir Ağları
      3.4.2. Hata Geriye Yayma Yöntemi
3.5. SEE5 Yazılımı
3.6 Özet
3.7. Sorular
 
Bölüm 4.  Birliktelik Kuralları ve İlişki Analizi
4.1. AIS Algoritması
4.2. SETM Algoritması
4.3. Apriori Algoritması
4.4. AprioriTid Algoritması
4.5. Diğer Algoritmalar
4.6. Weka Yazılımı
4.7. Özet
4.8. Sorular
 

Bölüm 5. Kümeleme Analizi

5.1. Benzerlik ve Uzaklık
5.2. Kümeleme Analizinin Sınıflandırılması
5.3. Hiyerarsik Yöntemler
5.3.1. SLINK Algoritması ve Tek Bağlantı Tekniği
5.3.2. CURE Algoritması
5.3.3. CHAMELEON Algoritması
5.3.4. BIRCH
5.3.5. Hiyerarşik Yöntemle Kategorik Verilerin Kümelenmesi
5.4. Bölümlemeli (Partitioning) Yöntemler
5.4.1.  K- Means (K-Ortalama) Kümeleme
5.4.2.  PAM Algoritması
5.4.3.  CLARA Algoritması
5.4.4. CLARANS Algoritması
5.5. Yoğunluğa Dayalı Algoritmalar
5.5.1  DBSCAN Algoritması
5.5.2. OPTICS Algoritması
5.5.3.  DENCLUE Algoritması
5.6. Grid Temelli Algoritmalar
5.6.1. STING Algoritması
5.6.2. Dalga Kümeleme (Wave Cluster)
5.6.3. CLIQUE Algoritması
5.7. Genetik Algoritmalar
5.8. Optimum Küme Sayısının Hesaplanmasında İndeks ve Algoritma
    5.8.1. Dunn Geçerlilik İndeksi
    5.8.2. Davies-Bouldin Geçerlilik İndeksi
    5.8.3. Silhouette Geçerlilik Yöntemi
    5.8.4. C İndeksi
    5.8.5. Jaccard İndeksi
5.9. Özet
5.10. Sorular
 
Bölüm 6. KNIME Programı ve Kullanımı
 
Ek 1: Veri Madenciliği Alanında Geliştirilmiş Programlar
 
Ek 2: Clementine Programının Kullanımı ve Örnek Analizler
 
Kaynakça

Dizin