VERI MADENCILII Rmeysa hvan 09023050 Bilgisayarn yaammza daha

VERI MADENCILIĞI Rümeysa İhvan 09023050

Bilgisayarın yaşamımıza daha çok girmesiyle birlikte, artık her yaptığımız işlem sayısal ortamda kayıt altında tutulmaya başlandı. Daha sonra tüm bu verilerin, veritabanından çıkarılmayı bekleyen bir maden olduğu anlaşıldı ve bunlar bilgiye dönüştürüldü.

VERI MADENCILIĞI İŞLEYIŞI

Veri madenciliğinde kullanılmak üzere veri tabanındaki bilgiler belirli döneme ait konu odaklı olarak düzenlenmiş, birleştirilmiş, sabitlenmiş olmalıdır. Yani veri ambarına dönüştürülmelidir. Buradan sonra algoritmalar devreye girer sonuçlar ve kurallar oluşturulur. Kullanılan en yaygın algoritmalar: Karar Ağaçları, Neural Network, Uzaklık bazlı Algoritmalar , İstatiksel Algoritmalar vs. .

Veri madenciliğinin kullanım alanlarının en yaygın olduğu sektörler: i. iii. iv. Bankacılık Pazarlama Sigortacılık Sağlık

PAZARLAMA YÖNTEMI

Müşterilerin satın alma örüntülerinin belirlenmesi Müşterilerin demografik özellikleri arasında bağlantı kurulması Yeni müşteri elde edilmesi ve mevcut müşterinin elde tutulması için veri madenciliği algoritmalarla birlikte kullanılmaya başlandı.

MIGROS YERLEŞIM DÜZENI Geleneksel perakendecilik mağaza yerleşim teorisine göre gıda sektöründe ızgara yerleşim düzeni tercih edilmektedir. Çünkü müşterilerin büyük bir çoğunluğu marketlere alışveriş planlarını önceden belirlemiş olarak gitmektedirler. Izgara yerleşim düzeninde müşteriler istedikleri ürünlere ulaşırken hiyerarşik bir yapı içinde dolaşmaktadır. Izgara yerleşim düzeni genellikle birbirine paralel, aralarında uzun geçitlerin olduğu dikdörtgen düzen görünümündedir. Izgara yerleşim düzeninde, rutin ve planlanmış alışveriş davranışlarını kolaylaştırdığı gözlenmiştir.

Verilerin sanal ortamda toplanması ve bunların veri madenciliği ile bilgiye dönüştürülmesinden sonra , birliktelik kuralları konusundaki bilinen en temel algoritma olan Apriori algoritmasından yararlanılmıştır. Apriori algoritması aracı ile gerçek veriler üzerinde birliktelik kuralları madenciliği yapılmıştır. Birliktelik kuralları madenciliğinden elde edilen kurallar sonucunda birlikte satılma eğilimi gösteren ürünler ve ürünler arasındaki ilişkiler hakkında bilgiler verilmiştir. Veri madenciliği sonuçları ışığında firma için yeni bir yerleşim düzeni önerilmiştir. Böylece amaçlandığı üzere önerilen yerleşim düzeni ile müşteri davranışlarının etkilenmesi sağlanacaktır.

MIGROS VERI MADENCILIĞI SONUÇLARı

IZGARA YERLEŞIM DÜZENI

VERI MADENCILIĞI SONUÇLARıNA GÖRE YENI YERLEŞIM DÜZENI

Apriori Algoritması Örneği Bebek Bezi alan %60 olasılıkla Süt ve Ekmek alır. DESTEK EŞIK DEĞERI >=3 (3/5>=%60) OLARAK BELIRLENMIŞTIR

RISK YÖNETIMI VE PAZARLAMA:

KULLANıM ALANLARı Kredi kartı dolandırıcılığı saptama, Sigorta dolandırıcılığı, Kara-para aklama, Bilgisayar işlemleri ve bilgisayar ağlarına girme vs. .

DOLANDıRıCıLıK Bankaya müşteri geldiğinde yetkilinin gözüyle yaptığı analizin daha kesin, daha geniş ve daha detaylı hali olarak adlandırabiliriz. Bugüne kadar olan tüm müşterilerin bilgileri kullanılarak oluşturulmuş veri tabanından uygun algoritmalarla karar sistemleri ve sınıflar oluşturulur. Yeni müşteri bilgileri girilerek hangi sınıfa hangi olasılıkla ait olduğu saptanır.

Daha önce yapılmış örnek çalışmadan sonuçlar: i. iii. Kredi kartı üst limiti: 4 Gelir harcamaları/Giyim Harcamaları: 1 Cinsiyet: E Kayıplara karışma olasılığı %98 Burada 4 ve 1 matematiksel algoritmalar kullanılarak normalize edilmiş değerlerdir. Daha sonra bayes algoritması kullanılarak olasılık hesaplanmıştır.

DOLANDıRıCıLıK IÇIN HAZıRLANMıŞ VERI AMBARıNDAN BIR KESIT

SAĞLıK DNA analizi, Down Sendromu Riski Parmak izi tespiti Yüz şeklinden kimlik tespiti

DOWN SENDROMU Gebelik esnasında çocukta oluşabilecek down sendromu riskinin kesin tanısı %100 dış bulgularla tespit edilememektedir. Dış bulgular: i. iii. Anneden alınacak kan örneği Ultrason ile bebeğin görüntülenmesi Anne yaşı, kilosu vs. . %100 tanı için anne karnından alınacak sıvının incelenmesi gerekir. Oysa bu işlem düşük riski bulunmaktadır. Dolayısıyla bu riske girmeden önce doktorun anne karnındaki bebeğin down sendromu olduğundan kuşkulanması gerekir.

VERI MADENCILIĞININ BAŞLADIĞI YER İşte tam burada veri madenciliği devreye girer. Daha önce bu işlem uygulanmış, dış bulgu ve operasyon sonucu kaydedilmiş hasta adaylarına ait veritabanı, veri tabanı algoritmaları tarafından incelenerek ki burada devreye matematik girer, sınıflandırma ve karar ağacı gerçekleştirilir. Daha sonra bu sisteme mevcut anne adayının bilgileri girilerek bebekteki risk belirlenir.

SONUÇLAR Hayatın her dalında doğru ve geçerli bilgiye dayalı “çözümlenmiş” karar alma gereksinimleri vardır. Bu noktada Veri Madenciliği ve Karar Destek Sistemlerinin Katkısı çok büyüktür. Veri tabanındaki bilgiler düzenlenerek kuralları çıkarmamızı sağlayacak olan algoritmaların süzgecinden geçirilir. Elle yapılması mümkün olamayacak yada haftalar, aylar sürecek olan hesaplamalar ve sonuçlar matematiksel işlemlerin bilgisayar ortamına algoritmalarla aktarılması sonucu kolaylaşmıştır.

GELECEKTE MARKET ALıŞVERIŞI