Μελέτη εφαρμογής της εξόρυξης δεδομένων στον αθλητισμό με χρήση του λογισμικού Weka

Σωφρονάς, Ηλίας; Sofronas, Ilias

dc.contributor.author	Σωφρονάς, Ηλίας	el
dc.contributor.author	Sofronas, Ilias	en
dc.date.accessioned	2016-05-27T09:01:07Z
dc.date.available	2016-05-27T09:01:07Z
dc.date.issued	2016-05-27
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/42546
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.10655
dc.rights	Default License
dc.subject	Εξόρυξη δεδομένων	el
dc.subject	Αθλητισμός	el
dc.subject	Καλαθοσφαίρηση	el
dc.subject	Λογισμικό Weka	el
dc.title	Μελέτη εφαρμογής της εξόρυξης δεδομένων στον αθλητισμό με χρήση του λογισμικού Weka	el
heal.type	bachelorThesis
heal.classification	Εξόρυξη δεδομένων	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-10-09
heal.abstract	Η παρούσα μελέτη ασχολείται με το sports data mining, δηλαδή τη διαδικασία εξόρυξης δεδομένων στα σπορ και συγκεκριμένα στο άθλημα της καλαθοσφαίρησης. Στην παρούσα εργασία, αρχικά παρουσιάζονται βασικές έννοιες, τα διάφορα στάδια, οι εφαρμογές, οι κατηγορίες, και οι διάφορες τεχνικές μοντελοποίησης του data mining, και γίνεται μία εισαγωγή στο υπολογιστικό πακέτο Weka που χρησιμοποιείται για την εκτέλεση των μεθόδων και των αλγορίθμων του data mining. Στη συνέχεια, παρουσιάζονται αναλυτικά διάφορα είδη μάθησης, όπως αυτό της επιλογής χαρακτηριστικών, της ταξινόμησης και της συσταδοποίησης, και υιοθετούνται γνωστά μέτρα αξιολόγησης καθώς και η τεχνική της ανάλυσης καμπυλών λειτουργικού χαρακτηριστικού δέκτη, τα οποία εφαρμόζονται για την εκτίμηση των αποτελεσμάτων και την αξιολόγηση της απόδοσης των αλγορίθμων.	el
heal.abstract	Data mining is the analysis of large data sets to find unsuspected relationships and to summarize the data in novel ways that are both understandable and useful to the data owner. The relationships and summaries derived through a data mining exercise are often referred to as models or patterns. The first step in a data mining procedure is the preprocessing of the data and probably the dimension reduction of the database. This can be done through data cleaning and the application of statistical methods, as well as through other techniques which WEKA provides. Moreover, assessment of a learning method is extremely important in practice, since it guides the choice of a learning method, and gives us a measure of the quality of the ultimately chosen model. In conclusion, data mining provides a very useful application for organizations and businesses as it helps in analyzing data via flexible software, such as Weka, and in making decisions. Recently, new fields of data mining, such as text mining, web mining and sports mining have been developed. This study deals with sports data mining, namely data mining process in sports. In this paper, we initially present the basic concepts, various steps, applications, categories, and various modelling techniques of data mining, and an introduction to computational Weka package, used to perform the methods and algorithms of data mining. Then, we present in detail the kinds of learning, such as feature selection, classification and clustering, and we adopt well known evaluation measures and the technique of receiver operating characteristic curves analysis, which are all applied to assess results and evaluate the performance of the applied algorithms.	en
heal.advisorName	Πόνης, Σταύρος	el
heal.committeeMemberName	Παναγιώτου, Νικόλαος	el
heal.committeeMemberName	Τόλης, Αθανάσιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	166 σ.	el
heal.fullTextAvailability	true