Business Intelligence - Data Mining

Forumuri de Data Mining

lmsasu — Fri, 08 Jan 2010 09:46:26 GMT

Salut,

voi pe ce forumuri de Data Mining va dati, pentru alte subiecte decat SQL Server+DM?

Lucian

detalii crearea aplicatie data warehouse - urgent

SimiSV23 — Fri, 29 Oct 2010 05:57:00 GMT

Salut!

As vrea sa creez o aplicatie care sa implice baze de date, mai exact data warehouse. Aceasta aplicatie vreau sa o folosesc pentru lucrarea de licenta ! Astazi trebuie sa-i dau un raspuns indrumatorului de licenta cu privire la ce vreau sa fac pentru proiectul de licenta si habar nu am ce sa-i zic.
Am mare nevoie de ajutor, poate ma ajuta cineva mai experimentat cu cateva sfaturi si propuneri. Mentionez ca in semestrul al doilea plec in Danemarca sa studiez(treg semestrul 2 din anul 4 de studiu) si as vrea sa-mi continui si acolo acest proiect!

Ma poate ajuta cineva ?!!!
Am nevoie URGENT !!!

Multumesc foarte frumos !

CRISP-DM

lmsasu — Mon, 08 Feb 2010 15:54:51 GMT

Salut,

proiectul de crisp-dm mai e viabil? uitandu-ma pe http://www.crisp-dm.org/, vad ca de mult nu s-a mai completat pe el... noutatile sunt din 2006, CRISP-2.0: Updating the Methodology e anunt din 2007, etc.. se mai lucreaza la el, stie careva?

Lucian

Minimum confidence si minimum support pentru algoritmul apriori

lmsasu — Tue, 05 Jan 2010 19:14:09 GMT

Salut,

cum pot sa determin niste valori potrivite pentru Minimum confidence si minimum support in cazul algoritmului Apriori? sutn valori fixe, sau se pot modifica dinamic in rularea algoritmului? Daca ati folosit cumva algoritmul asta gata implementat, cum alegeati valorile?

Multumesc,
Lucian

data mining - predictie dupa cheie

ignatandrei — Tue, 04 Aug 2009 04:29:51 GMT

Din pacate, nu prea ma descurc cu Data Mining si forecast... asa ca va cer ajutorul la o problema probabil simpla.

Ca date de intrare am o tabela care contine cursurile valutare, de forma :
PK    - bigint Primary key
IDMoneda    - poate fi EUR, USD, etc
DataValorii     - data la care se obtine cursul
Valoare - echivalentul in lei
Sample :
PK    IDMoneda    DataValorii    Valoare
1    XAU    2006-07-07     56.8959
2    HUF    2006-07-07     0.012776
3    MDL    2006-07-07    0.2117
4    SEK    2006-07-07    0.3915
5    AUD    2006-07-07   2.0985
6    EUR    2006-07-07 3.5842
7    USD    2006-07-07 2.8051
8    XDR    2006-07-07 4.1638
9    CAD    2006-07-07 2.5234
10    CZK    2006-07-07 0.1256

Ce am facut :
Am creeat un view care aduce doar valorile pentru EUR, numit [Vw Eur] care selecteaza din tabela "where IDMoneda='EUR' "
Am definit un mining structure pentru acest view, de tipul time series, prin care sa pot optine o predictie la urmatorul query:
select PredictTimeSeries(Valoare,20) AS Predictie
from [Vw Eur]

Problema:
Daca ar trebui sa fac pentru USD, ar trebui sa replic view-ul si mining structure. La fel pentru GBP , etc.
Nu as vrea sa fac asa ceva ...dar nu stiu sa fac altfel...

Inca o data, stiu ca nu am reusit sa inteleg bine (grok?) data mining - asa ca solutia este probabil simpla...
Multumesc pentru ajutor.

Modele prea complexe in descoperirea de cunostinte

lmsasu — Thu, 30 Jul 2009 06:55:17 GMT

Pentru cei care se ocupa cu descoperirea de cunostinte, nu exista o vorba: "Daca torturezi suficient de mult datele, acestea va marturisi aproape orice". Afirmatia este sprijinita matematic de o teorema a lui Boferroni, care afirma ca "as one performs an increasing number of statistical tests, the likelihood of getting an erroneous significant finding (Type I error) also increases". Se stie, de exemplu, în situatia data în "Principle of data mining": "One particularly humorous example of this type of prediction was provided by Leinweber (personal communication) who achieved almost perfect prediction of annual values of the well-known Standard and Poor 500 financial index as a function of annual values from previous years for butter production, cheese production, and sheep populations in Bangladesh and the United States."

Ati întâlnit in practica situatia atunci când se utilizeaza un model prea complex si rezultatele au fost eronate? Puteti prezinta o astfel de situatie, împreuna cu modul de abordare pe care l-ati folosit?

Benchmark-uri pentru Machine Learning

lmsasu — Sun, 25 Jan 2009 19:32:57 GMT

Salut,

stie cineva site-uri care contin benchmark-uri pentru machine learning? Altul decat UCI machine learning repository?

Lucian

Material pentru Bayesian Networks

lmsasu — Sun, 28 Dec 2008 16:34:47 GMT

Salut,

ce carte/tutorial/prezentare online/etc ati recomanda pentru cineva care ar vrea sa implementeze o retea bayesiana de la zero? se presupune ca stiu partea de probabilitati.

Intrebare ajutatoare: tutorialul lui Heckerman de la ftp://ftp.research.microsoft.com/pub/tr/tr-95-06.pdf e de actualitate?

Multumesc,
Lucian

help cu prima incercare de data mining

ignatandrei — Thu, 16 Oct 2008 03:25:34 GMT

Am facut si eu o incercare trivial de data mining - vezi http://serviciipeweb.ro/iafblog/2008/10/13/Cloud+Curs+Valutar+Forecast+Si+SQL+Server.aspx
Datele sunt aici:
http://serviciipeweb.ro/iafblog/content/binary/curs20081012.xlsx
Vi le pot da in orice format(mdb, csv, etc)
Ma ajuta careva cu pasii care trebuie facuti pentru a face acest data mining programatic( adica - cum se incarca in analysis, ce sql trebuie sa rulezi ca sa obtii output-ul, etc)?

Multumesc,

cursuri

das — Tue, 12 Jun 2007 13:14:27 GMT

exista MOC in Romania pentru data mining ? adica MOC2796.

Implementare algoritm forecasting

lmsasu — Mon, 05 Feb 2007 10:55:33 GMT

Salutare,

trebuie sa implementez un algoritm de predicitie a seriilor de timp pe in SQL Server 2005. A mai facut cineva implementare de alg de BI in MS SQL? cum se porneste? ce documentatie sugerati? unde s-ar gasi niste exemple? se face implementare in limbaj de .NET sau trebuie ceva mai special?

Algoritmul s-ar folosi pentru detectare de valori outliers; cum anume s-ar putea face raportarea rezultatelor catre client? se poate folos reporting services? ce versiuni de SQL 2k5 ar trebui folosite atat pentru implementare de BI, cat si pentru reporting?

Multumesc,

Lucian

Cum depistez atributele care influenteaza valorile unei caracteristici tinta ?

ggciubuc — Mon, 05 Feb 2007 18:41:45 GMT

Asa cum am mentionat intr-un articol anterior,add-in-ul “Table Analyse Tool” permite, folosind optiunea “Key Influencers”, sa depistezi atributele care influenteaza valorile unei caracteristici tinta.

Sa trecem la treaba, sa vedem cum se face : selectez zona de date cu risc seismic pe care le-am tot folosit de la 1977 incoace (cum aduc datele in situatia de a fi prelucrate cu tehnici data mining am exemplificat in prima parte a serie de articole cu subiect teluric), formez tabelul ,(Ctrl+L), si apas butonul “Key Influencers” care ma pune sa aleg caracteristica tinta; la noi aceasta este “Risc”; mai departe bifez/debifez casutele coloanelor pe care vreau sa le iau in calcul ca in imaginea urmatoare:

In continuare sunt pus sa aleg 2 valori ale caracteristicii tinta pe care vreau sa le pun fata in fata.

Acest lucru imi permite sa vad factorii care sunt de partea uneia sau alteia din valori.(Pot sa aleg oricate perechi doresc). Dupa care sistemul pune in alta foaie Excel rapoartele construite; in imaginea urmatoare am facut un mixaj din motive de spatiu

Care ar fi comentariile care s-ar putea face? Pentru cineva obisnuit cu cele facute in articolele anterioare regasim ca Primaria a expertizat cladirile de grad II si III, cele sensibile lasandu-le in seama expertilor particulari. De asemenea reiese ca , cladirile cu bulina rosie (gradul I+) au regim de inaltime cu precadere P+5 si P+7 si sunt construite intre 1935 si 1940.

Mai departe sar la listingul cu atribute comparative : vedem ca riscul I se intalneste la cladirile facute inainte de 1915 in timp ce cladirile cu bulina rosie sunt cele facute intr 1935 si 1940. Este curios, am putea trage concluzia ca cele facute pana in 1915 sunt mai serioase decat cele facute in preajma celui de al II-lea razboi mondial!

Gigi Ciubuc

Table Analysis Tool

ggciubuc — Sun, 04 Feb 2007 20:51:46 GMT

Intr-una din postarile anterioare ma speriam la gandul ca nu exista un mecanism de tip data mining care sa fie la nivel local asa cum se intampla cu cuburile OLAP din Excel. Te poti desprinde de un server Analysis Services.

Am gasit aici, la Office 2007 ceva care se pliaza cumva pe aceasta idee insa nu in totalitate. Se cheama Table Analysis.

Cu acest add-in poti sa utilizezi niste operatii specifice data mining si nu sa aplici intreaga paleta ce insoteste SQL 2005. Este ceva pentru incepatori, o nada care te poate duce in interiorul "junglei" amazoniene.

Am spus ca ideea lucrului la nivel de Excel ramane legata de serverul de Analysis Services. Asa este, am testat lucrurile si in lipsa unei conexiuni la server si bine inteles, n-am putut merge mai departe trebuind sa creez o conexiune noua, cu o baza de date suport.

Cum ajungi la Table Analysis ? Selectezi tabelul in Excel pregatit pentru studiu (tastele Ctrl si A) si apoi ai 2 variante

· in meniu Insert -->Table sau

· Ctrl+L

cu focusul in interiorul acelui tabel apare ribbon-ul de Table Analysis , exact ca in figura urmatoare

Operatiile de care vorbeam sunt

· Analyze Key Influencers -un fel de Network Dependecies

· Detect Categories - un fel de clustering

· Fill From Example - extinde sabloane

· Forecast - previziune

· Highlight Exceptions - detecteaza liniile exceptie

· Scenario Analysis (cu "Goal Seek" si "What-If" - obisnuitele tehnici Excel intalnite si in versiunile anterioare)

Multumesc Bogdan pentru ajutor si eventuale completari.

Configure SQL Server 2005 for Office 2007 Data Mining (Usor cu pianul pe scari)

ggciubuc — Tue, 23 Jan 2007 12:48:35 GMT

Configure SQL Server 2005 for Office 2007 Data Mining (Usor cu pianul pe scari)

Ai date intr-un fisier Excel deschis cu Office 2007 si vrei sa aplici unul din algoritmii implementati pentru a le studia .
Apesi pe butonul “Classify” care te baga in Microsoft decision Tree insa sistemul tzipa si spune ca este necesara o conexiune
catre un server Analysis Services.
Curios!
Ma asteptam sa se petreca fenomenul intalnit la configurarea unui cub OLAP din Excel , salvat local, fara a face apel la un
server OLAP! Asa ca n-ai decat sa mergi pe Start -> Programs -> Microsoft SQL Server 2005 DM Add-ins ->
Server Configuration Utility; se declanseaza wizard-ul mult asteptat care te pune sa :

1. alegi serverul gazda (“localhost” implicit)

2. ai posibilitatea sa permiti serverului sa stocheze (check-box-ul “Allow creating temporary mining models”) sau nu
modelele dm , temporar, intr-o baza de date

3. Poti sa stochezi modelele intr-o baza de date noua sau o alta existenta

4. Finish

Am facut un experiment in care am construit 2 baze de date Anlysis Services : DMAddinsDB_NoTemp care va detine
structuri permanente si DMAddinsDB_Temp in care bagam structuri temporare; intrebarea e ce inseamna acest caracter
“temporar” al unei structuri de dm in Office?. Sa vedem.
In categoria de optiuni “Connection” de pe bara de meniu ai posibilitatea sa creezi conexiuni catre bazele de date specificate
respectiv “DMAddinsDB_NoTemp(localhost)” si “DMAddinsDB_Temp(localhost)”; numai una dintre ele poate fi desemnata
conexiune curenta. Iata ce am facut dupa ce am desemnat “DMAddinsDB_NoTemp(localhost)” conexiune curenta:
-click pe “Classify” pentru a face o structura dm pentru algoritmul Decision Trees cu numele Risc_Dt_NoTemp1 si modelul
Classify Risc_NoTemp1 cu toate optiunile implicite
-din nou click pe “Classify” pentru constructia structurii Risc_Dt_NoTemp2 si a modelului Classify Risc_NoTemp2 pentru care
am marcat “Use temporary model” asa cum se vede in imaginea urmatoare:

-daca ne uitam in SQL Server Management Studio se vede ca a 2-a structura nu apare

dar daca daca accesam optiunea Browse de pe meniuri il avem in lista de modele si putem vizualiza aceste date

Dupa ce inchid Excelul (deci conexiunea se inchide) si redeschid agenda, nu apare decat structura Risc_Dt_NoTemp1 pentru care
check-box-ul “Use temporary model” nu era pe on.

Facem acelasi lucruri pentru conexiunea “DMAddinsDB_Temp(localhost)” care permite prin wizard structuri temporare.

-Construiesc structura Risc_DT_Temp1 si modelul Classify Risc_Temp1 fara marcaj la check-box-ul “Use temporary model” ;
deschid Management Studio-ul si vad structura si modelul la locul lor. Inchid Excel-ul si m-astept sa piara structura si modelul
de pe fatza pamantului, doar s-au facut pe o structura temporara!
Nu e asa!
Se pastreaza si apar in Studio!
Mai departe construiesc structura Risc_DT_Temp2 si modelul Classify Risc_Temp2 cu marcaj la acel check-box.
Nu apare in Studio insa imi ranjeste larg din Browse model.

Concluzia acestor randuri este ca check box-ul de care vorbeam “Use temporary model” da caracterul temporar al
structurilor de dm si nu check boxul de la “Server Configuration Utility”

Mai departe , rostul folosirii acestor structuri temporare in locul celor permanente este o alta discutie !

Gigi Ciubuc.

Intrarea romanilor in UE- studii de risc seismic (partea III-a)

ggciubuc — Mon, 22 Jan 2007 11:26:25 GMT

Intrarea romanilor in UE- studii de risc seismic (partea III-a)

Asa cum se stie, cel mai drag algoritm de clasificare implementat este “Microsoft Decision Trees” care , asa cum arata si denumirea, construieste un arbore in care nodurile sunt atributele considerate relevante pentru cantitatea de date studiata . Iata in imaginea de mai jos arborescenta descoperita in cele 716 cladiri cu sau fara bulina din Bucuresti.

In fiecare nod este construita o conditie de splitare adica de spargere a seturilor de date:

Nr.	Atribut	Conditie de splitare
1	Root
2	Expert	Expert=”Primaria”
3	An Constr	Pana in 1935 si peste 1940
4	An Expertiza	Peste 1994
5	Regim Inalt	S+P+2E
6	Regim Inalt	S+P+2E+Ma

Ca sa vedem mai exact cum s-a ajuns la aceasta configuratie priviti imaginea construita mai jos, din mai multe

Punand cursorul pe fiecare casuta dreptunghiulara cu valoarea atributului apare o lista cu numarul de cazuri pentru fiecare valoare a atributului predictibil Risc, astfel pentru “AnConstr <1935 or AnConstr >=1940” avem 288 cazuri (cladiri) din care : 231 cu gradul I, 57 I+, 0 II si III , si nu exista cladiri cu risc neprecizat (missing); mai mult right click pe acelasi nod apoi “Show legend” si vedem probabilitatea ca o cladire sa aiba gradul I de risc , 77,56%, s.a.m.d; in imagine apar toate listele de cazuri (in mod normal este afisata doar una , cea pe care este asezat cursorul mouse-ului).
Iata cum ajuta aceasta configuratie la activitati de predictie date. Sa spunem ca undeva s-ar descoperi o cladire uitata de primarie si cu probleme de risc seismic, iar expertiza e facuta de un expert oarecare : daca anul de constructie este 1920 atunci sansa sa fie in gradul I de risc ar fi 77,56 %; mai departe , cum expertiza este facuta dupa 1994 se intra pe ramura corespunzatoare; sa zicem ca este S+P+1E atunci sansa sa fie in gradul I de risc este 50,24% s.a.m.d., pana se ajunge la capatul arborelui la o frunza.

Gigi Ciubuc

Intrarea romanilor in UE- studii de risc seismic (partea I)

ggciubuc — Tue, 09 Jan 2007 09:42:27 GMT

Intrarea romanilor in UE- studii de risc seismic (partea I)

    Nu va speriati, titlul nu se refera la niste consideratii legate de vreun cutremur provocat de intrarea
Romaniei in UE insa ce se poate spune este ca odata cu tara au intrat in UE si cladirile cu risc seismic ramase
prin cetatea lui Bucur, plasate in diverse sectoare ale capitalei.
    Mi-a atras atentia un coleg al meu preocupat de businessul asigurarilor dar si de sperietura unui iminent
si atat de “asteptat” cutremur de pamant; acesta a facut rost de lista de imobile, publica de altfel, care grupeaza
cladirile in 4 grupe: de la III (3) , in care respiri mai cu usurare pana la I+ (1+) unde nu numai ca respiri greu
dar e bine sa ai niste lumanari pe aproape in caz ca …
    Bun, gata cu sperietura, mi-am propus sa studiez in acest articol legaturile dintre date prin tehnicile de
data mining (minerit de date cum ne mai place sa le zicem) si, de ce nu , sa fac niste interpretari asa cum
o sugereaza datele. As vrea sa precizez (asa cum voi face la sfarsit), ca aceste consideratii sunt niste opinii personale
care nu implica in nici un fel institutii, sisteme sau persoane etc. Revenind, intr-un articol viitor voi studia aceeasi
problema prin tehnicile data mining de pe langa Office 2007 precum si posibile noi interpretari ale datelor.

I. Configurarea studiului

Iata cum arata in niste selectiuni datele brute aflate in 4 documente pdf:

Asa cum observati, datele din cele 4 tabele trebuie adunate si prelucrate asa cum scrie la carte pentru a fi o

sursa de date coerente si sigure. Aduse in Excel am facute mai multe prelucrari:

· Am adaugat o coloana care detine gradul de risc;

· Am pastrat un singur an de construire in cateva situatii (probabil acel imobil a fost refacut in trecut) – asta nu

afecteaza coerenta studiului nostru;

· Am adaugat campul “Expert” care desemneaza institutia sau persoana care a expertizat imobilul; pentru imobilele

de grad mai scazut de risc am considerat ca expertul a fost Primaria (Capitalei);

· Campul “ArieDesfasurata” are valoarea 0 pentru imobilele in care nu s-a precizat asta;

· Campul RegimInaltime a ramas pe loc (apropos S+P+5E+Ma inseamna Subsol+Parter+5 Etaje+ Mansarda);

· A trebuit sa folosesc niste functii Excel ca sa omogenizez datele, de exemplu , imobilele cu gradul 1 aveau combinat

tipul de artera cu denumirea arterei ( ex. Strada Academiei) si a trebuit sa duc datele in campurile corespunzatoare.

Sursa de date apare in figura urmatoare :

Mai departe duc datele in SQL 2005 intr-o baza de date special facuta prin mecanismul Import/Export al SSIS si aleg tipurile de date ale tabelei gazda asa cum apare in figura urmatoare :

In continuare deschid un proiect in SQL Server Business Intelligence Development Studio . Configurez sursa de date si view-ul atasat dupa care trec , in ordine la modelele bazate pe algoritmii corespunzatori (care sunt vizibili in figura de mai jos)

Trebuie precizat ca IdConstr este ales drept cheia iar Risc este coloana de predictie; An Constr si An Expertiza
au fost declarate “Discretized” astfel ca sistemul sa formeze plaje de ani in care vor incadra constructiile respective.
Apoi trec la procesarea datelor si sa vedem rezultatele

II Interpretarea datelor

Interpretarea datelor o facem in mai multe parti , depinde de modul in care epuizam subiectul dar si de eventuale ajustari ale
proiectului.
Aspectul “Dependecy Network” este vizibil , asa cum se stie la mai multi algoritmi si, pentru o prima evaluaream grupat asa:

Legatura mai stransa intre Risc si celelalte atribute incepe de la “tare” la “slab” astfel :

· Expert, An Constr, An expertiza, Regim Inalt in cazul Decision Trees;

· Expert, regimInalt, An Expertiza, An Constr, Sector, Tip Artera in cazul Naïve Bayes

Ce se vede cu ochiul liber este ca atributul Expert este identificat ca cel mai puternic pentru ambii algoritmi,
apoi anii de constructie si de expertiza. Daca dinspre anul de constructie era de asteptat sa primim acest rezultat tot
ce tine de aspectele de expertiza influenteaza atributul de risc. Sa fie oare momentul si calitatea expertizei direct
legata de aprecierea de risc ? Ramane sa atacam aceasta problema in articolele viitoare; oricum aspectul
Dependency Network al algoritmului Microsoft Association Rules nu afost tratat aici datorita complexitatii sale insa
va asigur ca da rezultate bune.

Gigi Ciubuc

Nota. Acest articol reprezinta opinii personale ale autorului, si trebuie tratat ca atare si nu are alte implicatii.

Intrarea romanilor in UE- studii de risc seismic (partea II-a)

ggciubuc — Wed, 10 Jan 2007 12:38:36 GMT

Incepusem la sfarsitul partii I o discutie despre Dependency Network construita prin Decision Trees si Naïve Bayes;
haideti sa vedem ce se intampla in Association Rules .
Sistemul a grupat dependentele intre anumite valori ale atributelor si valori ale gradului de risc in 3 seturi mari asa
cum se vede in figura urmatoare (Nodul Risc=I+ in stanga, Risc=II in dreapta si Risc=I jos):

Le vom analiza pe rand in ordinea de aparitie a legaturilor de la “tare” (adica nr. 1) catre “slab” conform a 2 criterii de evaluare:

I. Criteriul : aparitia legaturilor in fiecare din cele 3 grupuri

Iata secventele de aparitie

Risc=II:

Risc=I

Risc=I+

1.Expert=PRIMARIA

Regim Inalt=S+P+10E

An expertiza=200-2001

Denumire artera=Colentina

Sector=6

Regim Inalt=S+P+4E+Ma

Regim Inalt=S+P+7E

Regim Inalt=S+P+5E

An expertiza>=2001

Regim Inalt=S+P+5E+Ma

Regim Inalt=S+P+6E

Denum Artera=Dorobanti

Tip Artera=Soseaua

Denum Artera=Ion Campineanu

Denum Artera=S+P+9E

1.An expertiza < 1994

An constr <1915

Expert=SIGMA-A. SIMION

Expert=PROIECT BUC. A.SIMION

Expert=A.CONDRUT

Expert=ABRAL-L.SPOIALA

Expert=MORENA C.ARIENESCU

Denum artera=BARATIEI

Expert=ABRAL-LAURENTIU SPOIALA

Expert=I.LUNGU

Expert=IPCT-D.STANCIULESCU

Denum Artera=CA Rosetti

Expert=NEFIAN- A.NEFIAN

Expert=PROIECT BUC. E. IORDACHESCU

Regim Inalt=S+P

Denum Artera=FRANCEZA

Regim Inalt=S+P+1E+Ma

Regim Inalt=S+P+1E

Regim Inalt=S+P+2E+Pod

1.Regim Inalt=P+5

Regim Inalt=P+7

Expert=A.PRETORIAN

Regim Inalt=P+8

Denum Artera=Calea Victoriei

Regim Inalt=P+6

Regim Inalt=P+5+M

Expert=A.TITARU

Expert=M.NAVODARU

Expert=M.URSACHESCU

Expert=G.NICULESCU

Regim Inalt=P+6+M

Expert=N>TUDOSE

Denum Artera=BD. NICOLAE BALCESCU

Expert=MARIN TEODOR

Regim Inalt=P+4+M

Expert=D.POPESCU

Uitativa cum arata o aglomeratie dintr-un grup :

Haideti sa vedem ce e cu aceste date : In primul rand cladirile de risc II au fost expertizate de Primarie asa cum a presupus eu,
apoi putem spune ca cladirile cu 10 etaje sigur ar fi din aceasta clasa de risc si, mai departe faptul ca o constructie are
mai mult de 4 etaje o incadreaza la II; apoi arterele “preferate” de riscul nr. 2 sunt Colentina, Dorobanti si Ion Campineanu.
Mai departe in clasa I de risc este o ingramadeala de experti care s-au ocupat cu cladirile de acest risc; se poate spune ,
de exemplu ca daca SIGMA A. SIMION se pune pe treaba sigur desemneaza o cladire intr-o clasa de acest fel; sa observam
ca anul de constructie plasat sub 1915 desemneaza cladirile in clasa I.(Nu pot sa nu remarc, in paranteza, ca cei care au intocmit
documentul au pus pe SPOIALA in 2 locuri, am descoperit deci o inconsecventa in date). Daca ne uitam la
cladirile periculoase de la I+, cele cu mai mult de 5 etaje sunt critice, iar Calea Victoriei este strada sperantei pentru o lume mai buna …,
de asemenea, Bulevardul Nicolae Balcescu din centrul Bucurestiului.

II. Criteriul : aparitia legaturilor in ansamblu

Daca va uitati pe imaginea generala a celor 3 grupuri vedeti o grila care daca se culiseza face sa apara legaturile ca niste linii intre
noduri. Imi propun sa misc grila la 25%, 50% , 75% si 100% din lungimea ei. Astfel ca :

-La 0% apare Expert=PRIMARIA la Risc=II , asa cum am spus Primaria a expertizat aceste cladiri;

-La 25% apar: 15 legaturi la Risc=I+ (iar pana in 50% apar toate);

-La 50% apar la Risc=I, 9 iar la Risc=II, 2 ;

-La 75% apar 9 la I, 1 la II ;

-La 100% restul din Risc =I si Risc=II

Ce ne poate spune asta? Ca riscul I+ este puternic determinat de atributele specificate, in timp ce celelalte atribute sunt slab legate
de Risc=I si Risc=II.

Asta ne poate sugera ca nu-i de joaca pe Calea Victoriei !

Gigi Ciubuc

Nota. Acest articol reprezinta opinii personale ale autorului, si trebuie tratat ca atare.

DM Addins pentru Office 2007 -- CTP Decembrie 2006

bogdan — Wed, 20 Dec 2006 02:00:47 GMT

Tocmai a fost facut public SQL Server Community Technology Preview (CTP) December 2006. Adresa este: http://www.microsoft.com/downloads/details.aspx?familyid=D2DA6579-D49C-4B25-8F8A-79D14145500D&displaylang=en

Include noua versiune de Data mining Addins pentru Office 2007: http://www.microsoft.com/downloads/details.aspx?FamilyID=aa0c2623-b432-4a1f-9a3c-9d64df130a61

Aceasta versiune functioneaza cu Office 2007 RTM.

N.B.: Addin-urile de Data Mining nu functioneaza corect cu versiunea anterioara (CTP2) de SQL Server. Functioneaza corect cu SQL 2005 RTM, SP1 sau CTP Decembrie 2006

Distractie placuta :-)

Forum de DM

lmsasu — Thu, 23 Nov 2006 08:50:27 GMT

Saltare,

pentru cei interesati: http://www.kdkeys.net/ . Are si sectiune de DM cu SQL 2005.

Lucian

Articol nou: proceduri stocate pentru calcularea matricei de covarianta

bogdan — Sun, 19 Nov 2006 20:24:44 GMT

Articolul, aparut pe sqlserverdatamining.com, prezinta un set de proceduri stocate (Analysis Services) pentru modele de regresie

http://www.sqlserverdatamining.com/DMCommunity/TipsNTricks/4264.aspx

bogdan

Data mining in Office 2007

ggciubuc — Wed, 15 Nov 2006 08:12:44 GMT

Microsoft are surprize Data Mining in Office 2007

Mai intai Office 2007 B2TR: http://www.microsoft.com/downloads/details.aspx?FamilyID=B07A3387-01CF-4BC3-821A-0BB10E7A59FA&displaylang=en

Apoi addin-ul de Data mining pentru SS2005 la :

http://www.microsoft.com/downloads/details.aspx?FamilyID=aa0c2623-b432-4a1f-9a3c-9d64df130a61&DisplayLang=en

Din surse sigure stiu ca "versiunea asta de Add-in merge numai cu Office B2TR. Odata ce faci upgrade la Office RTM, nu mai merge. Instaleaza .Net 2.0 inainte de Excel, apoi Excel, apoi addin-ul de DM"

Alte elemente de feed-back mai tarziu.

data mining si time series

ignatandrei — Fri, 17 Nov 2006 20:48:49 GMT

Aveti cumva un exemplu de incepator pentru Time Series in SQL Server ? Daca e si in .NET, si mai bine...

Multumesc

Resurse Datamining

xmldeveloper — Sun, 12 Nov 2006 10:59:15 GMT

Free Chapter - Practical Business Intelligence with SQL Server 2005: Data Mining

Algoritmi Data mining

ntt_e — Thu, 11 May 2006 18:13:06 GMT

Buna ziua,

Ma poate ajuta cineva cu codurile sursa a unui algoritmi de data mining cum ar fi ID3, C4.5, CHAID, CARD, SLIQ, QUEST, K-NN, etc

Va multumesc

as putea aplica Data Mining in cadrul firmei la care lucrez?

ggciubuc — Mon, 20 Mar 2006 20:16:25 GMT

Iata o intrebare , care merita sa fie pusa