POSUDEK DIPLOMOVÉ PRÁCE 

Název práce: Vyhodnocení a porovnání metod zpracování dat 
Autor práce: Magdaléna Toman 

Posuzuje: doc. RNDr. Michal Krupka, Ph.D., oponent 

Posudek: 

Práce se zabývá nìkterými metodami zpracování dat, jejich aplikací na reálná data a porovnáním 
jejich výsledkù. Jako data byly vybrány výsledky dotazníkového šetøení o používaných funkcích 
textových editorù. Použitými metodami byly metody shlukování a formální konceptuální analýza 
(FCA). Závìrem práce je poznatek, že na daná data se dobøe hodily metody complete linkage a 
average linkage u hierarchického a K-means u nehierarchického shlukování. Naopak nepøíliš 
úspìšné autorce vyšly single linkage a FCA. 


Ve druhé kapitole práce (první je úvod) autorka popisuje data použitá k analýze. Bohužel neuvádí 
zdroj, ze kterého data získala, pøípadnì zda se na jejich získání nìjak podílela. 


Tøetí kapitola obsahuje popis použitých metod. Úroveò této kapitoly je slabá. Ètenáøi, 
neobeznámenému s metodami (což byl pro shlukovací metody i mùj pøípad), bude dìlat potíže 
text pochopit, aniž by si musel domýšlet dùležité informace. Nìkolik pøíkladù: 
-v odstavci 3.1.1. „Podobnost a vzdálenost objektù“ není vùbec zavedena množina, na které 


vzdálenost zavádíme, což vede k následným nejasnostem,
-u definice euklidovské a manhattanské metriky není øeèeno, kde se berou èísla x1, … , xn, y1, … , 
yn, 
-na zaèátku odstavce 3.1.2. se shlukování zavádí jako systém podmnožin (èeho?), o nìkolik øádkù 
dále už má ale jiný význam, 
-u pseudokódu K-Means algoritmu není vùbec popsáno použité znaèení, ani tak základní vìc, že 

jedním ze vstupù je požadovaný poèet shlukù. Tento algoritmus jsem z práce nepochopil.
-U algoritmu NextClosure se definuje lexikografický následník, ale neøekne se, èeho, 
-chybí popis vstupù a výstupù algoritmu a co vlastnì dìlá. 


V poslední kapitole práce diplomantka popisuje, jak uvedené metody aplikovala na data a jaké 
informace se jí podaøilo získat. Typická èást vìnovaná konkrétní metodì shlukování obsahuje: 
-stanovení metody a jejích parametrù, 
-obrázek s dendrogramem, který metoda vrátila, 
-vytipování nìkolika nejvìtších shlukù, 
-popis vlastností objektù (respondentù) v jednotlivých shlucích a sloupcové grafy. 


Pro mìøení vzdáleností objektù je vždy použita euklidovská metrika, všechny atributy objektù 
mají stejný význam. 


U algoritmu NextClosure chybí informace, jak diplomantka data z dotazníkù pro zpracování 
algoritmem upravila (pùvodní data nejsou bivalentní). Ohlednì výsledkù diplomantka uvádí, že 
algoritmus vrátil velký poèet formálních konceptù, a (v podstatì naivní) postup, kterým se mezi 
nimi snažila nalézt nìco zajímavého. Podaøilo se získat jednu skupinu podobných konceptù, 
obsahující ale pouze malý poèet respondentù. 


Nìkolik poznámek k výsledkùm práce: 


Pøi analýze dat je užiteèné nejprve stanovit, jaký typ informací chceme z dat získat, a podle toho 
pøípadnì zvolit vhodnou metodu. Pokud zkoumáme vhodnost použití rùzných metod, mìli 
bychom to dìlat vzhledem ke stanovenému úèelu, za jakým data zpracováváme. Takový úèel 
autorka bohužel nestanovila. Její cíl byl pouze obecný: najít v datech nìjaké (jakékoliv) shluky. To 
se u vìtšiny shlukovacích metod podaøilo splnit, ale není zøejmé, zda jsou nalezené shluky 
užiteèné ještì k nìèemu dalšímu (napø. pro potøeby zjednodušení GUI textových editorù). Autorka 
ani neprovìøila, zda splòují základní požadavky, které sama zformulovala na zaèátku kapitoly 3. 


Pøi zpracování pomocí FCA se diplomantka omezila na první krok (nalezení konceptuálního
svazu), který nepøinesl nic užiteèného. Bohužel nevyzkoušela pokroèilejší metody, jako napø. 
získání dùležitých konceptù pomocí AD formulí, nebo použití fuzzy FCA s faktorizací. 


Shrnutí: 
-práce (zejména teoretická èást) obsahuje mnoho nepøesností, odborná úroveò je nízká, 
-metody zpracování dat jsou použity mechanicky, bez hlubšího porozumìní, 
-chybí dùkladnìjší interpretace výsledkù. 


Otázky k obhajobì: 


• 
Vidíte nìjaký praktický pøínos výsledkù práce pro úpravu GUI textových editorù? 
• 
Nebyly by výsledky z hlediska tvùrce textového editoru zajímavìjší, kdyby se pøi shlukování 
pøiložil vìtší význam atributùm vztahujícím se pøímo ke zpùsobu používání softwaru, než 
vìku, vzdìlání apod.? Není možné, že data obsahují informace zajímavé z tohoto pohledu, 
které jste nenašla? 
• 
Jak jste zpracovala data z dotazníkù pro algoritmus NextClosure? 
Navrhované hodnocení práce: dobøe. 

 
25. srpna 2011 
Michal Krupka