Разделы



Интеллектуальный анализ данных Data mining

Последующим этапом анализа является интеллектуальный анализ данных. В англоязычных источниках получивший название Data mining , иногда переводят как – добыча знаний.

Главным предназначением технологий интеллектуального анализа данных является извлечение и представление знаний из накопленной в базах данных, информационных хранилищах и других источниках информации.

При наличии большого количества определений понятия “Знания” здесь мы подразумеваем под ними зависимости и взаимосвязи, скрытые закономерности. Извлечение и представление знаний или познание скрытых связей и закономерностей в совокупностях данных различного объёма представляет собой проблему и для любых объёмов данных, когда связи между явлениями, процессами, фактами выражены неявно и неизвестны закономерности, согласно которым протекают процессы, происходят те или иные явления, события и факты.

Основными задачами интеллектуального анализа (2) являются:

-         выявление взаимозависимостей, причинно-следственных связей, ассоциаций и аналогий, определение значений факторов времени, локализация событий или явлений по месту;

-         классификация событий и ситуаций, определение профилей различных факторов;

-         прогнозирование хода процессов, событий.

Для выполнения интеллектуального анализа используются все достижения математической науки и информационных технологий. В первую очередь используются методы линейной алгебры, классического математического анализа, дискретной математики, многомерного статистического анализа.

В свою очередь многомерный статистический анализ делится на: факторный, дисперсионный, регрессионный, корреляционный, кластерный анализ. Эти методы позволяют решать многочисленные задачи в области экономики, менеджмента, юриспруденции, которые являются составной частью аналитической подготовки принятия решений.

Биржа Форекс - это великолепный шанс чудно заработать, особенно если Вы в этой сфере съели собаку.

Помимо перечисленных выше методов, ставших традиционными, всё более широкое применение находят специфические методы интеллектуального анализа, происходящие из смежных областей информационных технологий ( IT -систем) и получившие в них дальнейшее развитие, – интеллектуальные информационные системы. К ним относятся методы искусственного интеллекта и систем подготовки принятия решений (пересекаются с информационно-аналитическими системами).

К специфическим методам интеллектуального анализа относятся:

-         методы нечёткой логики;

-         классификационные и регрессионные деревья решений;

п»ї

-         нейронные сети;

-         генетические алгоритмы;

-         байесовское обучение и кластеризация.

Эти методы стали весьма широко и эффективно применяться в связи с бурным развитием в последнее десятилетие XX века самих методик и соответствующих инструментальных средств. Они находят применение в тех ситуациях, когда обычные методы анализа трудно или невозможно применить из-за отсутствия сведений о характере или закономерностях исследуемых процессов, взаимозависимостях явлений, фактов, о поведении объектов и систем из различных предметных областей, в том числе в социальной и экономической.

С помощью этих методов при отсутствии априорной информации об объектах и их поведении и значительной её неполноте решаются следующие задачи:

- выделение в данных групп сходных по некоторым признакам записей;

- нахождение и аппроксимация зависимостей, связывающих анализируемые параметры или события;

- поиск наиболее значимых параметров данной проблеме (задаче);

- выявление данных, характеризующих значительные или существенные отклонения от сложившихся ранее закономерностей (анализ отклонений);

- прогнозирование развития объектов, систем, процессов на основе хранящейся ретроспективной информации или с использованием принципов обучения на известных примерах и другие задачи.

Решение перечисленных задач может осуществляться каким-либо из перечисленных выше методов или комплексно для получения наиболее адекватного решения.

Средствами ИАС обеспечивается также оценка полученных результатов анализа и моделирования, в том числе оценка точности и устойчивости результатов, верификация моделей на тестовых наборах данных.

Наиболее развитые ИАС, такие как SAS , Oracle обеспечивают представление добытых в результате анализа данных в виде моделей различного рода. Специальные процедуры и языковые средства дают возможность построения моделей автоматически на основе анализа имеющихся данных об исследуемых объектах.

Развитые средства data mining имеют графические средства анализа в виде графических конструкторов моделей, развитых средств отображения результатов, в том числе 3- D .

Читать далее: ПРОГРАММНЫЕ ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА ИАС
Состав программных инструментальных средств ИАС