Л. А. Демидова - Интеллектуальный анализ данных на языке Python
Название: | Интеллектуальный анализ данных на языке Python | |
Автор: | Л. А. Демидова | |
Жанр: | Учебники и самоучители по компьютеру | |
Изадано в серии: | неизвестно | |
Издательство: | неизвестно | |
Год издания: | - | |
ISBN: | неизвестно | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Интеллектуальный анализ данных на языке Python"
Читаем онлайн "Интеллектуальный анализ данных на языке Python". Главная страница.
- 1
- 2
- 3
- . . .
- последняя (22) »
МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ
РОССИЙСКОЙ ФЕДЕРАЦИИ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ
ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ОБРАЗОВАНИЯ
«МИРЭА ‐ Российский технологический университет»
(РТУ МИРЭА)
Демидова Л. А.
Интеллектуальный анализ данных на языке
Python
Учебно-методическое пособие
Москва 2021
УДК004
ББК32.97
Д 30
Демидова Л.А. Интеллектуальный анализ данных на языке Python [Электронный
ресурс]: Учебно-методическое пособие / Демидова Л.А. — М.: МИРЭА – Российский
технологический университет, 2021. — 1 электрон. опт. диск (CD-ROM)
В учебно-методическом пособии рассматриваются аспекты интеллектуального
анализа данных средствами языка Python на примере задач, заключающихся в поиске
ассоциативных правил в базах данных транзакций. Предлагается перечень заданий,
при выполнении которых применяются различные критерии принятия решений.
Предназначено для магистрантов по направлению 09.04.04 Программная инженерия.
Учебно-методическое пособие издается в авторской редакции.
Автор: Демидова Лилия Анатольевна.
Рецензенты:
Головин Сергей Анатольевич, д.т.н., профессор, заведующий кафедрой математического
обеспечения
и
стандартизации
информационных
технологий,
Институт
информационных технологий, РТУ МИРЭА
Андреева Ольга Николаевна, д.т.н., доцент, начальник отдела научной работы АО «Концерн
МОРИНФОРМСИСТЕМА-АГАТ»
Системные требования:
Наличие операционной системы Windows, поддерживаемой производителем.
Наличие свободного места в оперативной памяти не менее 128 Мб.
Наличие свободного места в памяти постоянного хранения (на жестком диске) не менее 30 Мб.
Наличие интерфейса ввода информации.
Дополнительные программные средства: программа для чтения pdf-файлов (Adobe Reader).
Подписано к использованию по решению Редакционно-издательского совета
МИРЭА — Российский технологический университет.
Обьем: 2.82 мб
Тираж: 10
© Демидова Л.А., 2021
© МИРЭА – Российский технологический
университет, 2021
Оглавление
ВВЕДЕНИЕ ........................................................................................................................................ 4
ПОИСК АССОЦИАТИВНЫХ ПРАВИЛ ........................................................................................ 5
1. Основные понятия .................................................................................................................. 5
2.
Алгоритм Apriori ................................................................................................................... 14
3. Алгоритм FPGrowth .............................................................................................................. 29
4. Алгоритм Apriori на языке Python ....................................................................................... 66
4.1.
Программная реализация apriori-python.......................................................................... 66
4.2.
Программная реализация efficient-apriori ....................................................................... 72
5.
Алгоритм FPGrowth на языке Python .................................................................................. 83
6. Визуализация ассоциативных правил ................................................................................. 87
ВАРИАНТЫ И ЗАДАНИЯ ............................................................................................................. 88
СПИСОК ЛИТЕРАТУРЫ ............................................................................................................... 90
3
ВВЕДЕНИЕ
Учебно-методическое пособие излагает принципы интеллектуального анализа данных на примере задач, заключающихся в поиске ассоциативных правил
в базах данных транзакций. Рассматриваются два алгоритма поиска ассоциативных правил – Apriori и FPGrowth, реализующие различные подходы к формированию частых предметных наборов и характеризующиеся существенно
различными требованиями, предъявляемыми к памяти и времени, которые
необходимы для работы алгоритмов. Приводятся примеры, демонстрирующие
пошагово работу алгоритмов поиска ассоциативных правил. Предлагается выполнять поиск ассоциативных правил в базах данных транзакций средствами
языка Python с применением соответствующих библиотек.
Читателю предлагается перечень заданий: каждое из них содержит тестовый вариант и вариант из репозитория данных для машинного обучения. Тестовый вариант позволяет выполнить как подробное ознакомление с алгоритмами
поиска ассоциативных правил в ходе ручных расчетов, например, с применением MS Excel, так и эксперименты с применением средств языка Python. Вариант
с набором транзакций из репозитория данных для машинного обучения позволяет выполнить эксперименты на основе данных большого объема с применением средств языка Python.
Читатель может получить дополнительные сведения по теоретическим --">
РОССИЙСКОЙ ФЕДЕРАЦИИ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ
ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ОБРАЗОВАНИЯ
«МИРЭА ‐ Российский технологический университет»
(РТУ МИРЭА)
Демидова Л. А.
Интеллектуальный анализ данных на языке
Python
Учебно-методическое пособие
Москва 2021
УДК004
ББК32.97
Д 30
Демидова Л.А. Интеллектуальный анализ данных на языке Python [Электронный
ресурс]: Учебно-методическое пособие / Демидова Л.А. — М.: МИРЭА – Российский
технологический университет, 2021. — 1 электрон. опт. диск (CD-ROM)
В учебно-методическом пособии рассматриваются аспекты интеллектуального
анализа данных средствами языка Python на примере задач, заключающихся в поиске
ассоциативных правил в базах данных транзакций. Предлагается перечень заданий,
при выполнении которых применяются различные критерии принятия решений.
Предназначено для магистрантов по направлению 09.04.04 Программная инженерия.
Учебно-методическое пособие издается в авторской редакции.
Автор: Демидова Лилия Анатольевна.
Рецензенты:
Головин Сергей Анатольевич, д.т.н., профессор, заведующий кафедрой математического
обеспечения
и
стандартизации
информационных
технологий,
Институт
информационных технологий, РТУ МИРЭА
Андреева Ольга Николаевна, д.т.н., доцент, начальник отдела научной работы АО «Концерн
МОРИНФОРМСИСТЕМА-АГАТ»
Системные требования:
Наличие операционной системы Windows, поддерживаемой производителем.
Наличие свободного места в оперативной памяти не менее 128 Мб.
Наличие свободного места в памяти постоянного хранения (на жестком диске) не менее 30 Мб.
Наличие интерфейса ввода информации.
Дополнительные программные средства: программа для чтения pdf-файлов (Adobe Reader).
Подписано к использованию по решению Редакционно-издательского совета
МИРЭА — Российский технологический университет.
Обьем: 2.82 мб
Тираж: 10
© Демидова Л.А., 2021
© МИРЭА – Российский технологический
университет, 2021
Оглавление
ВВЕДЕНИЕ ........................................................................................................................................ 4
ПОИСК АССОЦИАТИВНЫХ ПРАВИЛ ........................................................................................ 5
1. Основные понятия .................................................................................................................. 5
2.
Алгоритм Apriori ................................................................................................................... 14
3. Алгоритм FPGrowth .............................................................................................................. 29
4. Алгоритм Apriori на языке Python ....................................................................................... 66
4.1.
Программная реализация apriori-python.......................................................................... 66
4.2.
Программная реализация efficient-apriori ....................................................................... 72
5.
Алгоритм FPGrowth на языке Python .................................................................................. 83
6. Визуализация ассоциативных правил ................................................................................. 87
ВАРИАНТЫ И ЗАДАНИЯ ............................................................................................................. 88
СПИСОК ЛИТЕРАТУРЫ ............................................................................................................... 90
3
ВВЕДЕНИЕ
Учебно-методическое пособие излагает принципы интеллектуального анализа данных на примере задач, заключающихся в поиске ассоциативных правил
в базах данных транзакций. Рассматриваются два алгоритма поиска ассоциативных правил – Apriori и FPGrowth, реализующие различные подходы к формированию частых предметных наборов и характеризующиеся существенно
различными требованиями, предъявляемыми к памяти и времени, которые
необходимы для работы алгоритмов. Приводятся примеры, демонстрирующие
пошагово работу алгоритмов поиска ассоциативных правил. Предлагается выполнять поиск ассоциативных правил в базах данных транзакций средствами
языка Python с применением соответствующих библиотек.
Читателю предлагается перечень заданий: каждое из них содержит тестовый вариант и вариант из репозитория данных для машинного обучения. Тестовый вариант позволяет выполнить как подробное ознакомление с алгоритмами
поиска ассоциативных правил в ходе ручных расчетов, например, с применением MS Excel, так и эксперименты с применением средств языка Python. Вариант
с набором транзакций из репозитория данных для машинного обучения позволяет выполнить эксперименты на основе данных большого объема с применением средств языка Python.
Читатель может получить дополнительные сведения по теоретическим --">
- 1
- 2
- 3
- . . .
- последняя (22) »
Книги схожие с «Интеллектуальный анализ данных на языке Python» по жанру, серии, автору или названию:
Владимир Николаевич Пильщиков - Программирование на языке ассемблера ПЭВМ IBM Жанр: Assembler Год издания: 1999 |
Дмитрий Юрьевич Федоров - Программирование на языке высокого уровня Python. Пособие для СПО Жанр: Учебники и пособия ВУЗов Год издания: 2019 Серия: Профессиональное образование |