2.3.Настройка процесу побудови mining моделі

Результатом аналізу даних за допомогою методів data mining є структури нові знання, що є. Такі структури називаються моделями. Вони можуть бути різних видів: правила класифікації, асоціативні правила, дерева рішень, математичні залежності і т.п. Вид моделі багато в чому залежить від методу за допомогою якого вона була побудована. Таким чином, кінцевий результат залежить від методу і початкових даних. Крім того, процес побудови моделей можна набудувати змінюючи тим самим властивості моделі (точність, глибина дерева і т.п.). Параметри, що настроюються, залежать від конкретної моделі.

У GUI Xelopes користувач має нагоду виконати настройки для кожної моделі, що будується, індивідуально. Цей процес здійснюється в діалоговому вікні настройок, описаному в попередній лабораторній роботі на закладці Settings. Далі розглянемо детальніше настройки для кожної моделі.

2.3.1. Настройки для асоціативних правил і сиквенциального аналізу

Настройки для моделі представляючої асоціативні правила виконуються в діалоговому вікні зображеному на рис. 2.1.

Рис. 2.1. Настройки моделі асоціативних правил

У ньому виконується настройка наступних параметрів:

• Minimum Support – мінімальне значення підтримки для шуканих частих наборів і асоціативних правил, що будуються. Значення повинне бути більше нуля, інакше не буде побудовано не одного правила.

• Minimum Confidence – мінімальне значення довір'я для асоціативних правил, що будуються. Значення повинне бути більше нуля, інакше не буде побудовано не одного правила.

• Transaction ID Name – атрибут унікально ідентифікуючий транзакції (ключове поле).

• Item ID Name – атрибут що є іменами об'єктів. Вони використовуються для побудови правил. Від його вибору залежить ступінь розуміння одержаних результатів.

Настройки для сиквенциальной моделі виконуються в діалоговому вікні зображеному на рис. 2.2.

Рис. 2.2. Настройки сиквенциальной моделі

У ньому виконується настройка аналогічні моделі асоціативних правил. Додатково з'являється параметр Item transaction position представляючий атрибут, що ідентифікує позицію елементу в послідовності.

2.3.2. Настройки для дерев рішень (Decision Tree Mining Model)

Настройки для моделі представляючої дерева рішень виконуються в діалоговому вікні зображеному на Рис. 2.3.

Рис. 2.3. Настройки моделі дерев рішень

У ньому виконується настройка наступних параметрів:

• Target – атрибут по якому виконується класифікація даних (незалежна змінна).

• Max depth – максимально допустима глибина дерева, що будується

• Max surrogates - максимально допустиме число замін

• Max splits - максимально допустима кількість розщеплювань

• Min node size – мінімальний розмір вузла дерева

• Min decrease in impurity – мінімальний ступінь домішок

2.3.3. Настройки для математичної залежності побудованої методом svm

Настройки для моделі представляючу математичну залежність, побудовану методом SVM, виконуються в діалоговому вікні зображеному на рис. 2.4.

Рис. 2.4. Настройки моделі SVM

У ньому виконується настройка наступних параметрів:

• Target – атрибут по якому виконується класифікація даних (незалежна змінна).

• SVM Type – тип моделі SVM. В Xelopes можуть бути побудовані наступні типи: C-SVC (classical SVM), Nu-SVC, one-class SCM, Epsilon-SVR (classic regression SVM), Nu-SVR. Вони відрізняються классифікационнй функції. Так найбільш распростроненная SVM для задачі регресії Epsilon-SVR має функцію вигляду:

тоді як SVM для класифікації має вигляд

• Kernel Type – вид функції K(x, xi) в класифікаційній функції (тип ядра). Може приймати наступні значення::

  • Linear - Лінійна - k(x,y) = x*y

  • Poly - Поліноміал ступені d - k(x,y) =(γ* x*y+с0)d

  • RBF- Базова радіальна функція Гауса- k(x,y) =exp(-γ|| x – y||)

  • Sigmoid - Сигмоїдальна k(x,y) = tanh(γ* x*y+с0)

• Kernel Parameters – параметры ядра, залежить від обраного типу ядра.

  • Degree – степень d в ядре poly;

  • Gamma – параметр γ в последних трех видах;

  • Coef0 – коэффициент с0 в типах poly и sigmoid.

• Algorithm Parameters – общие параметры алгоритмов класса SVM:

  • С – інверсний регулюючий параметр ;

  • Nu – параметр v в типі Nu – SVM;

  • Loss epsilon – ε функція втрат в типі Epsilon-SVR.