Data Mining Framework

Allgemeine Informationen

Die Motivation für das Data Mining Framework ist vielschichtig: Es soll Studenten die Möglichkeit gegeben werden, Algorithmen aus diesem Bereich zu implementieren, ohne viel Zeit mit Standardfunktionalität wie Datenhaltung, Ein/Ausgabe, etc. zu verschwenden. Der Aufbau kleiner Bausteine soll möglichst einfach sein, um die Lernkurve flach zu halten. Andererseits sollen die Bausteine optimal miteinander kombinierbar sein, damit spätere Studenten von den Bausteinen früherer Studenten profitieren können. Schließlich soll das Ganze auch die speziellen Anforderungen des Data Mining (potentiell große Datenmengen) erfüllen. Gegenüber existierender Software in diesem Bereich liegt der Schwerpunkt (bisher) mehr auf einer Entwickler-Toolbox als einer Software für Endanwender.

Download

Probieren Sie es aus: Ein kleiner Demo-Baustein zeigt den Aufbau und hilft bei der den ersten eigenen Schritten.

start.zip Lesen Sie README!

Sie können auch Abschlussarbeiten zu angrenzenden Themen schreiben:

Themenvorschläge

Beispiel

Visualisierung eines Datensatzes, verschiedene Sichten auf den Iris-Datensatzes, die miteinander gekoppelt sind (Auswahl in einem Plot wird auch in anderem Plot sichtbar).

Existierende Data Mining Software

• WEKA Machine Learning Environment (Java)
• The R-Project for Statistical Computing (Linux, Windows)
• KNIME (Konstanz Information Miner) (eclipse platform, Java)
• RapidMiner (Java), ehemals YALE, Yet Another Learning Environment