Τεχνικές εξόρυξης δεδομένων με εφαρμογή στον έλεγχο και την πρόβλεψη της τηλεθέασης

Data mining techniques applied to the control and prediction of television ratings (Αγγλική)

  1. MSc thesis
  2. Χριστόπουλος, Αθανάσιος
  3. Μεταπτυχιακή Εξειδίκευση στα Πληροφοριακά Συστήματα (ΠΛΣ)
  4. 26 Σεπτεμβρίου 2020 [2020-09-26]
  5. Ελληνικά
  6. 59
  7. Σταυρόπουλος, Ηλίας
  8. Σακκόπουλος, Ευάγγελος | Βερύκιος, Βασίλειος
  9. Τηλεόραση | Τηλεθέαση | Πρόβλεψη | Χρονοσειρές | Μηχανική Μάθηση | Εξόρυξη Δεδομένων | Παλινδρόμηση | Weka
  10. 5
  11. 12
  12. Περιέχει : πίνακες, διαγράμματα, εικόνες
    • Στην εργασία αυτή θα μελετήσουμε κυρίως την εφαρμογή τεχνικών εξόρυξης δεδομένων (Data Mining), για τον έλεγχο και την εφαρμογή χρονοσειρών για την πρόβλεψη της τηλεθέασης. Έτσι το προϊόν της μελέτης θα είναι η ανακάλυψη προτύπων (patterns) από το σύστημα, τόσο για τον έλεγχο όσο και για την πρόβλεψη της τηλεθέασης. Καταρχήν γίνεται μία περιγραφή της βάσης των δεδομένων του ελέγχου όπως και των δεδομένων για την πρόβλεψη της τηλεθέασης με την κατάλληλη επιλογή χρονοσειρών, δηλαδή της φύσης τους, των τύπων, των γνωρισμάτων τους κτλ. και στη συνέχεια ακολουθεί μία καταγραφή του τι θα μπορούσε να γίνει με αυτά τα δεδομένα. Ποιο δηλαδή είναι το ζητούμενο μίας τέτοιας ανάλυσης και πως αυτό επιχειρείται. Μετά την περιγραφή των δεδομένων δοκιμάζεται η πρόβλεψη μέσω Weka με διάφορες παραμέτρους για να πετύχουμε την καλύτερη δυνατή πρόβλεψη. Μέσα από διάφορες τεχνικές ανάλυσής τους, και με τη χρήση στατιστικών μεθόδων δημιουργούνται κάποιες οπτικοποιήσεις των δεδομένων για να εκτιμηθεί η ποιότητα των προβλέψεων που παράγονται.
    • In this paper we will mainly study the application of data mining techniques for the control and application of time series respectively for the prediction of television viewing. Thus the product of the study will be the discovery of patterns by the system, both for control and for the prediction of television. First, there will be a description of the control database and correspondingly of the forecasting data with the appropriate selection of time series, ie their nature, types, attributes etc., followed by a recording of what could have been done with this data. In other words, what is the point of such an analysis and how it is attempted. After describing the data, the prediction is tested via Weka with various parameters to achieve the best possible prediction. Through various analysis techniques, and the use of statistical methods, some visualizations of the data are created to assess the quality of the predictions produced.
  14. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.