انجام پروژه پیش پردازش داده کاوی

---

شرح پروژه

با سلام

در تحقیق به دنبال پیاده سازی روش های جانهی مختلف بر روی داده ها و مقایسه نتایج با یکدیگر هستیم. در این تحقیق باید الگوریتم های زیر بر روی داده های پیاده سازی شود:

1-    ARIMA

2-    Bayesian Network(BNs)

3-    KNN

4-    LLS(Local Least Squares)

5-    PPCA(Probabilistic Principal Component Analysis)

6-    Makov chain Monte carlo(MCMC)

7-    Multiple imputation chain equation(MICE)

توضیحات:

داده های ارائه شده داده های ترافیکی یک تقاطع بر گرفته از 10 سنسور می باشد. داده های در قسمت های Approach  های 1 تا 4  به صورت زیر قرار گرفته اند

Approach 1 مسیر جنوب

سنسور 1

سنسور 2

سنسور 3

Approach 2 مسیر شمال

سنسور 4

سنسور 5

سنسور 6

Approach 3 مسیر غرب

سنسور 9

سنسور 10

Approach 4 مسیر شرق

سنسور 7

سنسور 8

برخی از این داده ها دارای گم شدگی می باشند که با وجود اینکه این داده های برای هر سنسور در بازه 15 دقیقه در طول روز  برداشت می شود و این داده این سنسور ها معرف تعداد می باشد. هدف جانهی(imputation)   کردن آن با الگوریتم های زیر می باشد و ارائه نتایج و مقایسه آن در محیط متلب می باشد. در داده های روز های تعطیل در ستون H در صورت تعطیل بودن عدد 1 و در صورت غیر تعطیل عدد 0 ذکر شده است.

خروجی این تحقیق:

1-    پیاده سازی هریک از الگوریتم ها و توضیحات و کامنت های هر بخش جهت شفاف سازی عملکرد الگوریتم و نتایج خروجی( سورس کد در خروجی مورد نیاز است)

2-    مقایسه این الگوریتم ها با یکدیگر و تحلیل  صحت  جانهی و مقایسه آن ها با یکدیگر مطابق مقاله پیوست. 

3-    بررسی مقادیر جانهی و صحت آنها در روز های تعطیل و روز های معمولی

4-    بررسی مقادیر جانهی و صحت آنها در ساعات پیک ترافیک و غیر پیک ترافیک

5-    همانطور که دیده می شود برخی داده ها دارای Missing value به صورت BADو DA می باشد که باید با این الگوریتم ها جانهی شود. از سوی دیگر برخی داده ها نیز نسبت به روز های مشابه و یا ساعات مشابه دارای خطای برداشت می باشد. که باید این موارد شناسایی و مجددا جانهی شود.( علی رغم این که مشکلی به صورت ظاهری بر روی داده نمی باشد.)

این پروژه شامل 1 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

---

---