Meta-knowledge discovery from decision tree forests
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı, Türkiye
Tezin Onay Tarihi: 2004
Tezin Dili: İngilizce
Öğrenci: SEDAT YILMAZ
Danışman: YALÇIN ÇEBİ
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:ÖZET Bilgi çağında, veri tabanlarında depolanan verinin büyüklüğü, sistemde neler olup bittiğinin anlaşılmasını imkansız kılacak boyutlara erişmiştir. Bu veri zengini ama bilgi fakiri ortamda, veri madenciliği ve bilgi keşfi, gizli desenleri ortaya çıkarmak suretiyle, uzmanların büyük veri yığınları içinden ilişkileri ve eğilimleri anlamalarına yardımcı olmaktadır. Günümüzde finanstan bilime kadar bir çok alanda bilgi keşfi kullanılmaktadır ve bu da "büyük bir bilgi yoğunluğu ortaya çıkarsa ne olacak?" sorusunu gündeme getirmektedir. Bu çalışmada, bilgi keşfi sürecinden geçmiş bilgi topluluklarının analizi araştırılmıştır. Analiz sonucunda elde edilen bilgi düşük seviyeli bir başka bilgiyi tanımladığından bu bilgi, "meta-bilgi" olarak adlandırılmıştır. Meta-bilgi keşfi kapsamında, zaten madenlenmiş olan bilgilerin tekrar madenlenmesi için özel metodlar geliştirilmiştir. Sonuç olarak meta-bilgi keşfiyle, tekrar madenleme işlemi sonucunda daha üst düzey bir özetlemenin elde edilebileceği gösterilmiştir. Bu çalışma, meta-bilgi keşfi sürecini gerçeklemek İçin yazılmış ForestMiner adlı bir yazılım uygulamasını da içermektedir. ForestMiner ile, bilgi, "Karar Ağaçlan" olarak alınır ve "Ağaç Benzerlik Grafikleri" yardımıyla, mevsimsellik gibi daha üst düzey eğilimler ortaya çıkarılır. ForestMiner sayesinde, meta-bilgi keşfinin, uzmanlar tarafından yorumlanmaya müsait ve faydalı özetlemeler üreteceği görülmüştür. Anahtar Sözcükler: Veri Madenciliği ve Bilgi Keşfi, Sınıflandırma, C4.5, Karar Ağacı, Karar Ormanı, Meta-bilgi.