Disciplina Curricular

Métodos Estatísticos em Data Mining MEDM

Mestrado Bolonha em Matemática e Aplicações e Computação - MMA 2006

Contextos

Grupo: MMA 2006 > 2º Ciclo > Perfis > Probabilidades e Estatística Matemática > Probabilidades e Estatística

Período:

Peso

7.5 (para cálculo da média)

Objectivos

Apresentar as potencialidades dos métodos estatísticos de data mining, dando-se especial relevo a métodos de classificação, agrupamento, redução de dimensionalidade, detecção de anomalias e mínimos quadrados parciais. Desenvolver competências para a aplicação de procedimentos estatísticos à análise de grandes conjuntos de dados e reconhecer como a utilização correcta de tais procedimentos é importante na tomada de boas decisões. Analisar problemas reais com a ajuda de software específico e reconhecer as metodologias adequadas à sua resolução. No final do semestre, os alunos deverão conhecer os principais procedimentos estatísticos associados à utilização de data mining e ter conhecimentos, a nível de utilizador, de outras técnicas de data mining.

Programa

Introdução. Visão Geral dos problemas de Data Mining: Objectivos e Ferramentas. A importância da análise exploratória de dados: Pré-processamento, Visualização e Qualidade dos Dados. Classificação Métodos de classificação: - Método dos K-Vizinhos mais Próximos - Regra de Decisão de Bayes e Ingénua de Bayes - Árvores de Decisão - Análise Discriminante - Regressão Logística Avaliação do Desempenho de um Classificador Comparação de Classificadores Agrupamento Métodos de agrupamento - K-Médias, Métodos Hierárquicos - Misturas de distribuições: algoritmo EM Validação dos Agrupamentos Obtidos Redução da Dimensionalidade Componentes Principais Análise de Componentes Independentes Multidimensional Scaling Detecção de anomalias Introdução Detecção de Outliers Avaliação da uma Regra de Detecção de Anomalias Mínimos Quadrados Parciais Introdução: Mais Variáveis que Observações Regressão de Mínimos Quadrados Parciais