Εξόρυξη δεδομένων και εφαρμογές στην οικονομική επιστήμη

Abstract

Σκοπός της εν λόγω εργασίας είναι η μελέτη και ανάλυση των τεχνικών Εξόρυξης Δεδομένων και των εφαρμογών τους στην Οικονομική Επιστήμη. Αρχικά, γίνεται αποσαφήνιση των εννοιών της Μηχανικής Μάθησης, της Ανακάλυψης Γνώσης και της Εξόρυξης Δεδομένων και κατόπιν, περιγράφονται η διαδικασία, οι μέθοδοι και τα βασικά εργαλεία για την Εξόρυξη Δεδομένων. Επιπλέον, αναδεικνύεται η σημασία της εφαρμογής τους στο ευρύ πεδίο των Οικονομικών. Στη συνέχεια, αναλύονται εκτενώς οι δύο πιο βασικές μέθοδοι Εξόρυξης Δεδομένων, η Κατηγοριοποίηση και η Συσταδοποίηση και παρουσιάζεται η λογική και τα βήματα των αλγορίθμων που εμπίπτουν στις συγκεκριμένες μεθόδους. Τέλος, γίνεται χρήση του λογισμικού MATLAB για την επίλυση ενός προβλήματος Κατηγοριοποίησης σχετικά με την θετική ή αρνητική απόκριση των πελατών μιας τράπεζας σε προθεσμιακές καταθέσεις. Τα αποτελέσματα έδειξαν ότι το μοντέλο που προέκυψε από τον αλγόριθμο Medium Tree είναι το πιο ακριβές και μπορεί να προβλέψει σωστά το 88,8% των απαντήσεων των πελατών.The aim of this thesis is to study and analyze the Data Mining techniques and applications in economic Science. Initially, it clarifies the meanings of Machine Learning, Knowledge Discovery and Data Mining and, then describes the process, the methods and the basic tools for Data Mining. Moreover, it emerges the significance of the application of thesetechniques in the wide field of Economics. Subsequently, it analyze extensively Classification and Clustering , the two most important methods of Data Mining and shows the logic and steps of the algorithms that fall under these methods. Finally, it resolves a Classification problem with MATLAB software related with positive or negative response of bank’s clients in term deposits. The results showed that the model which came up from the medium tree algorithm is the most accurate and able to predict right the 88,8% of the client’s answers.