Programa

Métodos Estatísticos em Data Mining

Mestrado Bolonha em Matemática e Aplicações e Computação

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