Data-Analysis
Analiza Online Retail II i Student Performance
Aplikacja do analizy statystycznej, klasteryzacji, klasyfikacji oraz przetwarzania wstępnego danych z wykorzystaniem zbiorów Online Retail II i Student Performance.
Spis treści
- Opis projektu
- Funkcjonalności
- Wykorzystane technologie
- Instalacja i wymagania
- Uruchomienie aplikacji
- Interfejs użytkownika (GUI)
- Eksperymenty i wyniki
- Autorzy
- Literatura
Opis projektu
Celem projektu jest stworzenie narzędzia umożliwiającego:
- Analizę statystyczną (min, max, odchylenie standardowe, mediana, moda).
- Klasteryzację (K-Means) i klasyfikację (Random Forest, ID3).
- Preprocessing danych (usuwanie brakujących wartości, kodowanie, skalowanie).
- Wizualizację (wykresy słupkowe, liniowe, punktowe, kołowe).
- Pracę na dwóch zbiorach danych: Online Retail II (transakcje e-commerce) i Student Performance (wyniki uczniów).
Funkcjonalności
| Funkcjonalność | Opis | |———————————|———————————————————————| | Wczytywanie danych | Obsługa plików CSV z walidacją błędów. | | Statystyki | Obliczanie miar statystycznych dla danych numerycznych i kategorycznych. | | Korelacje | Metody Pearsona i Spearmana. | | Modyfikacja danych | Usuwanie kolumn/wierszy, zastępowanie wartości, skalowanie (MinMax, Standard). | | Kodowanie | One-Hot Encoding, Binary Encoding, Target Encoding. | | Wykresy | 4 typy: słupkowy, liniowy, punktowy, kołowy. | | Algorytmy ML | Klasyfikacja (Random Forest, ID3), klasteryzacja (K-Means). |
Wykorzystane technologie
- Język: Python 3.12
- Biblioteki:
pandas,numpy– przetwarzanie danych.scikit-learn– algorytmy ML i preprocessing.matplotlib,seaborn– wizualizacja.tkinter– interfejs graficzny.
- Narzędzia: Jupyter Notebook (eksperymenty), Git (wersjonowanie).
Instalacja i wymagania
Wymagania sprzętowe/programowe:
- System: Windows/Linux/macOS.
- RAM: min. 4 GB (dla dużych zbiorów danych zalecane 8 GB).
- Python 3.12+.
Instalacja:
1) Sklonuj repozytorium:
git clone https://github.com/twoj_nick/projekt.git
Uruchomienie aplikacji
Uruchom plik główny:
2) Zainstaluj zależności:
pip install -r requirements.txt
Uruchomienie aplikacji
1) Uruchom plik główny:
python main.py
2) Krok po kroku:
- Wybierz zbiór danych (CSV).
- Wykonaj preprocessing (np. usuwanie brakujących wartości).
- Wybierz funkcjonalność (statystyki, wykresy, algorytmy ML).
- Zapisz wyniki lub eksportuj wykresy.
Interfejs użytkownika (GUI)
Aktualnie trwają prace
Eksperymenty i wyniki
1) Zbiory danych:
- Online Retail II:
- Opis: 1,067,371 transakcji e-commerce.
- Wyniki: Klasteryzacja produktów według sprzedaży (K-Means), wykrycie sezonowości zakupów.
- Student Performance:
- Opis: 649 uczniów, 30 cech.
- Wyniki: Klasyfikacja wyników z matematyki (Random Forest – dokładność 85%).
- Wnioski:
- K-Means skutecznie grupuje produkty o podobnej sprzedaży.
- Random Forest osiąga lepsze wyniki niż ID3 w przewidywaniu ocen.
Autorzy
Jakub Opar – frontend (GUI, wizualizacja).
Michał Pilecki – backend (algorytmy ML, statystyki). 
Literatura
- Zbiór Online Retail II: UCI Machine Learning Repository.
- Zbiór Student Performance: UCI Machine Learning Repository.
- Dokumentacja bibliotek: pandas, scikit-learn, matplotlib.