Projektbericht. Evaluation und Ableitung von Ergebnissen anhand eines Fragebogens zur Studentensituation an der Hochschule Wismar

Transkript

1 Business Intelligence Master Digitale Logistik und Management Projektbericht Evaluation und Ableitung von Ergebnissen anhand eines Fragebogens zur Studentensituation an der Hochschule Wismar Matthias Säger / Stefan Wagner

2 I n h a l t s v e r z e i c h n i s 2 1 Prolog und Zielstellung 2 Datenvorbereitung 2.1 Datensäuberung 2.2 Datenreduktion und -transformation 3 Data Mining 3.1 Assoziationsanalyse - A Priori 3.2 Naive Bayes 3.3 Decision Tree 3.4 J 48 - Algorithmus 3.5 kmeans - Algorithmus 4 Gesamtfazit

3 3 1 Prolog und Zielstellung Evaluation eines Fragebogens Ableitung von Ergebnissen Nutzung einer signifikanten Datenvorbereitung sowie verschiedener Verfahren bzw. Methoden des Data Mining Sinnvolle Interpretation von Ergebnissen sowie deren Vorhersage mit einer hohen Wahrscheinlichkeit unter dem Aspekt einer vollständigen Dokumentation.

4 4 2 Datenvorbereitung 2.1 Datensäuberung Ziel: Trotz vielfältiger Anpassungen der Daten, werden fehlende-, verrauschte-, falsche- und inkonsistente Daten nur in dem Maße geändert, dass minimale Ergebnisabweichungen erzielt werden. Falsche Daten Beispiel: Fehlende Daten Attribut Fehler Methode Ergebnis vorhandenes Erststudium Falsche Attribute Datenlöschung Entfernung der folglich unrelevanten Anworten, da ein konsekutives Studium nicht beachtet wurde. Attribut Fehler Methode Ergebnis Video-/ Onlinespiele in Std. / Woche Fehlendes Attribut knn Ermittlung des höchsten Wertes von knn (100 %) bei 4 Attributen (0-10 Std (0)). Änderung von 6 Attributen bzw. Datensätze durch die Methode: Datenlöschung Ergebnis auf Projekt: Änderung von 9 Attributen bzw. Datensätze durch Methoden: Datenlöschung, Hinzufügen eines Attributs sowie knn

5 5 2 Datenvorbereitung 2.2 Datenreduktion und -transformation Ziel: Vermeidung von umfangreichen Datensätzen durch sinnvolles Zusammenlegen von Datensätzen bzw. Attributen. (Daten) -Aggregation Datenkompression Datenkombination Beispiel: Attribut Methode Ergebnis Zufriedenheit Lebenssituation Zusammenfassung (Aggregation) und Kodierung (Kompression) Zusammenfassung und Kodierung der Attribute "Sehr zufrieden", "Zufrieden", "Eher zufrieden" zu "Zufrieden (1)" Attribut Methode Ergebnis Einschätzung Studiumsleistung Datenkombination Kombination der Attribute "sehr gut (0)", "gut (1)", "okay (2)", "mäßig (3)", "schlecht (4)" mit Attribut "weiß nicht (5)" Änderung von 6 Attributen bzw. Datensätze durch die Methode: Aggregation Ergebnis auf Projekt: Änderung von 8 Attributen bzw. Datensätze durch die Methode: Kompression Änderung von 3 Attributen bzw. Datensätze durch die Methode: Kombination

6 6 3 Data Mining 3.1 Assoziationsanalyse - A Priori Ziel: Das Entdecken von Abhängigkeiten zwischen den Datensätzen des vorliegenden Datenbestandes. Umsetzung: Einteilung in 6 Klassen: Persönliche Daten, Schule - Ausbildung - Arbeitsmarkt, Finanzierung, Einschätzung Leistung Studium, Interessen und Persönliches Umfeld - Situation ; Die anschließende Assoziationsanalyse erfolgte mit Hilfe des A-Priori-Algorithmus in KNIME und anhand der eingeteilten Klassen. Probleme: Aufgrund der Vielzahl an ausgegebenen Assoziationsregeln (7.698) musste ein Vorgehen gefunden werden, den kompletten Datenbestand analysieren zu können. Bei einer Konfidenz und Support von 0,8 wurden die besten Ergebnisse der Assoziationsanalyse bei den Attributen sowie deren Ausprägungen Erststudium, Öffentliche und Private Verkehrsmittel zur Hochschule bzw. in Wismar und Zufriedenheit Lebenssituation erreicht.

7 7 3 Data Mining 3.2 Naive Bayes Vorgehen am Beispiel des Zielattributes Öffentliche Verkehrsmittel zur HS Ziel: Es sollte ein Gesamtvorhersageergebnis von mind. 80 % erreicht werden. Umsetzung: Kombination von unterschiedl. Attributen (anhand der 6 Klassen) in max. 10 Tests. Ergebnis: Knoten Scorer Naive Bayes: Zum Naive Bayes Verfahren in KNIME ist zu sagen, dass dieses Verfahren stets konstant gute Vorhersagewerte lieferte, zumindest bei den zu erwarteten guten Zielattributen, und es bei allen Tests keinerlei Probleme bei der Modellierung sowie Ausführung gab.

8 8 3 Data Mining 3.3 Decision Tree Vorgehen am Beispiel des Zielattributes Öffentliche Verkehrsmittel zur HS Ziel: Es sollte ein Gesamtvorhersageergebnis von mind. 80 % erreicht werden. Umsetzung: Kombination von unterschiedl. Attributen (anhand der 6 Klassen) in max. 10 Tests. Ergebnis: Knoten Scorer Decision Tree: Zum Decision Tree Verfahren in KNIME ist zu sagen, dass dieses Verfahren bei der Auswahl bestimmter Attribute keine Ergebnisse geliefert hat, wie z. B. beim allen Attributen Grund: Studium. Die Ursache könnte darin liegen, dass keine Ergebnisse einer Bedingung innerhalb eines Entscheidungsbaums verzweigt werden konnten.

9 9 3 Data Mining 3.4 J 48 - Algorithmus Vorgehen am Beispiel des Zielattributes Öffentliche Verkehrsmittel zur HS Ziel: Es sollte ein Gesamtvorhersageergebnis von mind. 80 % erreicht werden. Umsetzung: Kombination von unterschiedl. Attributen (anhand der 6 Klassen) in max. 10 Tests. Ergebnis: Knoten Scorer J 48 - Algorithmus: Zum J48 - Algorithmus in KNIME ist zu sagen, dass dieses Verfahren immer Ergebnisse ausgegeben hat (im Vergleich zum Decision Tree). Diese jedoch über mehrere Test immer gleich waren. Eine mögliche Ursache könnte ebenfalls darin liegen, dass keine Ergebnisse einer Bedingung innerhalb eines Entscheidungsbaums verzweigt werden konnten.

10 10 3 Data Mining 3.5 kmeans - Algorithmus Vorgehen am Beispiel des Zielattributes bzw. Fragestellung 9 und 10 Ziel : Mit Hilfe der Cluster-Bildung sollten die vorher eher schlechten Gesamtvorhersagewerte von 50 % (Fragestellung 9) sowie 65,22 % (Fragestellung 10) verbessert werden. Ergebnis im Knoten Scorer von allen 3 Data Mining- Verfahren: Mit großer Sicherheit wird das Clustern nicht immer, wie in unserem Einzelfall, zu dem Gesamtvorhersageergebnis von 100 % führen. Aber eine generelle Verbesserung der Vorhersageergebnisse kann damit gut möglich sein (muss jedoch nicht immer so sein).

11 11 Gesamtfazit Durch eine explizite und somit in einem hohen Maß zeitintensive Bearbeitung der Daten, stellt die Vorbereitung das Fundament für alle nachfolgenden Data Mining-Verfahren dar. Durch gezielte Fragestellungen bzw. Zielattribute war es möglich, Aussagen mit hohen Vorhersagewerten zu erhalten, wobei uns die Assoziationsanalyse, ein Grundgerüst für die guten Vorhersagewerte mit den Data Mining-Verfahren geschaffen hat. Mit der Einteilung der Attribute in 6 Klassen, wurde eine folgerichtige Methode impliziert, die uns eine sinnvolle Durchführung der Tests in allen gewählten Verfahren ermöglichte. Aber: Eine allgemeingültige Aussage bzgl. der Attributsauswahl ist für ein gutes Vorhersageergebnis trotzdem kaum möglich.

12 12 Vielen Dank für Ihre Aufmerksamkeit! Fragen?