aalto1 untyped-item.component.html
Randomization of real-valued matrices for assessing the significance of data mining results
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology |
Master's thesis
Electronic archive copy is available via Aalto Thesis Database.
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Location:
Authors
Date
Major/Subject
Mcode
T-61
Degree programme
Language
en
Pages
vi + 72
Series
Abstract
Tiedonlouhinta on tapa analysoida suuria määriä tietoaineistoa oleellisen tiedon löytämiseksi.
Monet tiedonlouhinnan menetelmät soveltuvat reaaliarvoisten matriisien tutkimiseen.
Tällaisia matriiseja esiintyy luonnostaan useissa sovelluskohteissa kuten bioinformatiikassa.
Tässä diplomityössä tutkitaan reaalimatriiseista saatujen tiedonlouhinnan tulosten merkitsevyyden testausta.
Työssä käytetään satunnaistukseen perustuvaa merkitsevyystestausta.
Tulosta pidetään merkitsevänä, jos on epätodennäköistä saada vastaava tulos satunnaistetulla aineistolla, jolla on joitain yhteisiä ominaisuuksia alkuperäisen aineiston kanssa.
Työssä omaksutaan lähestymistapa, jossa matriisin rivien ja sarakkeiden keskiarvot ja varianssit säilytetään satunnaistuksessa.
Täten tiedonlouhinnan tulos on kiinnostava, jos se ei selity pelkästään matriisin rivien ja sarakkeiden keskiarvoilla ja variansseilla.
Tässä diplomityössä kehitetään kolme menetelmää tällaisten satunnaisten matriisien tuottamiseksi.
Menetelmiä analysoidaan sekä teoreettisesti että kokeellisesti, ja niiden näytetään olevan tehokkaita käytännössä.
Menetelmien toimintakykyä arvioidaan sekä todellisella että keinotekoisella aineistolla.
Työn tulokset näyttävät, että kehitetyt menetelmät ovat käyttökelpoisia tiedonlouhinnan tulosten merkitsevyyden määrittämisessä.