Please use this identifier to cite or link to this item:
Title: Data mining : αλγόριθμοι ανίχνευσης ακραίων τιμών και εφαρμογή αυτών σε επιχειρηματικά δεδομένα
Other Titles: Data mining : anomaly detection algorithms and application in business data
Authors: Κατσούδα, Μαρία
Keywords: Ακραίες τιμές
Ανίχνευση ακραίων τιμών
Εξόρυξη δεδομένων
Keywords (translated): Outliers
Anomaly detection
Abstract: Στην εξόρυξη δεδομένων (data mining), η ανίχνευση ακραίων τιμών είναι η ταυτοποίηση αντικειμένων, συμβάντων ή παρατηρήσεων που δεν συμμορφώνονται με ένα αναμενόμενο πρότυπο ή άλλα στοιχεία ενός συνόλου δεδομένων. Στο σύγχρονο, συχνά μεταβαλλόμενο περιβάλλον, είναι επιτακτική η ανάγκη για τις επιχειρήσεις να αναλύουν τα πολλαπλά δεδομένα τους και να αναζητούν ακραίες τιμές που μπορούν να αποκαλύψουν σημαντικά στοιχεία για τη λειτουργία μιας επιχείρησης, οδηγώντας σε εξοικονόμηση χρημάτων ή στη δημιουργία νέων επιχειρηματικών ευκαιριών. Στη παρούσα εργασία θα μελετήσουμε τους αλγόριθμους που χρησιμοποιούνται για την ανίχνευση ακραίων τιμών, οι οποίοι μπορούν να εξάγουν στοιχεία αλλά και να κάνουν προβλέψεις για τα δεδομένα. Επιπλέον, θα γίνει εφαρμογή της ανίχνευσης ακραίων τιμών σε επιχειρηματικά δεδομένα με στόχο την εξαγωγή συμπερασμάτων.
Abstract (translated): In data mining, anomaly detection is the identification of items, events or observations which do not conform to an expected pattern or other items in a dataset. In a modern and often changing environment, it is imperative for businesses to analyze their multiple data and look for anomalies that can reveal important elements for the operation of a business, leading to savings or creation of new business opportunities. In this paper we will study the algorithms used to detect anomalies, which can extract important results as well as make predictions for the data. Additionally, anomaly detection will be applied to business data aiming to extract important conclusions.
Appears in Collections:Τμήμα Διοίκησης Επιχειρήσεων (ΜΔΕ)

Files in This Item:
File Description SizeFormat 

This item is licensed under a Creative Commons License Creative Commons