Fuzzy Rule Learner Wissensextraktion / Data-Mining Prof. Dr. Lämmel, Prof. Dr. Cleve HS Wismar Adil Khalat Tobias Oeberst Marian Sakowski
Ablauf Algorithmus Datensatz Datenvorbereitung Aufbau in Knime Ergebnisse 11.06.2013
Algorithmus: Fuzzy-Rule-Learner Klasse Grün: a, b Klasse Blau: c c b a 11.06.2013
Datensatz Kundendaten eines Energieversorgers Potentielle Kündiger filtern Kündiger sollen Rabatttarif erhalten 10000 Datensätze 32 Merkmale Meist ordinale Merkmale Kundenwert/Jahr Kündiger Kunde Erhält Angebot 43,80 € 66,30 € Erhält kein Angebot 0,00 € 72,00 € 11.06.2013
Datenvorbereitung Normalisierung Fehlende Werte auffüllen Entfernen von Spalten (z.B. Straßentyp o. Anteil Deutscher) 11.06.2013
Aufbau in Knime 11.06.2013
Ergebnis Optimaler Kundenwert: 691.800 € (0 %) Erste Vorhersage: 647.859 € (11,45 %) Nach Normalisierung: 648.120 € (11,46 %) Missing Values (Mean): 648.574 € (10,53 %) Fuzzy-Norm (Product Norm): 648.671 € (10,56 %) Entfernung Psycho-, Pharma-, PKW-Indizes, Anteil Deutscher: 649.097 € (11,55 %) Bester Kundenwert (Entfernung Straßentyp): 649.225 € (11,66 %) 11.06.2013
Vielen Dank für die Aufmerksamkeit 11.06.2013