Кібернетичні методи Data Mining

Статистичні методи Data mining

В [14] ці методи являють собою чотири взаємозалежних розділи:

Ø попередній аналіз природи статистичних даних (перевірка гіпотез стаціонарності, нормальності, незалежності, однорідності, оцінка виду функції розподілу, її параметрів і т.п.);

Ø виявлення зв'язків і закономірностей (лінійний і нелінійний регресійний аналіз, кореляційний аналіз та ін.);

Ø багатомірний статистичний аналіз (лінійний і нелінійний дискримінантний аналіз, кластерний аналіз, компонентний аналіз, факторний аналіз та ін.);

Ø динамічні моделі і прогноз на основі тимчасових рядів.

Арсенал статистичних методів Data Mining класифікований на чотири групи методів:

Ø Дескриптивний аналіз і опис вихідних даних.

Ø Аналіз зв'язків (кореляційний і регресійний аналіз, факторний аналіз, дисперсійний аналіз).

Ø Багатомірний статистичний аналіз (компонентний аналіз, дискримінантний аналіз, багатомірний регресійний аналіз, канонічні кореляції та ін.).

Ø Аналіз тимчасових рядів (динамічні моделі і прогнозування).

Другий напрямок Data Mining – це безліч підходів, об'єднаних ідеєю комп'ютерної математики і використання теорії штучного інтелекту.

До цієї групи відносяться такі методи:

Ø штучні нейронні мережі (розпізнавання, кластеризація, прогноз);

Ø еволюційне програмування (у т.ч. алгоритми методу групового обліку аргументів);

Ø генетичні алгоритми (оптимізація);

Ø асоціативна пам'ять (пошук аналогів, прототипів);

Ø нечітка логіка;

Ø дерева рішень;

Ø системи обробки експертних знань.

Методи Data Mining також можна класифікувати по завданнях Data Mining.

Відповідно до такої класифікації виділяємо дві групи. Перша з них – це підрозділ методів Data Mining на вирішальні завдання сегментації (тобто завдання класифікації і кластеризації) і завдання прогнозування.

У відповідності із другою класифікацією по завданнях методи Data Mining можуть бути спрямовані на одержання описових і прогнозуючих результатів.

Описові методи служать для знаходження шаблонів або зразків, що описують дані, які піддаються інтерпретації з погляду аналітика.

До методів, спрямованим на одержання описових результатів, ставляться ітеративні методи кластерного аналізу, у тому числі: алгоритм k-середніх, k-медіани, ієрархічні методи кластерного аналізу, що самоорганізовані карти Кохонена, методи крос-табличної візуалізації, різні методи візуалізації та інші.

Прогнозуючі методи використовують значення одних змінних для прогнозування невідомих (пропущених) або майбутніх значень інших (цільових) змінних.

До методів, спрямованих на одержання прогнозуючих результатів, відносяться такі методи: нейронні мережі, дерева рішень, лінійна регресія, метод найближчого сусіда, метод опорних векторів та ін.

Читайте також:

<== попередня сторінка	\|	наступна сторінка ==>
Класифікація технологічних методів Data Mining	\|	Властивості методів Data Mining

Не знайшли потрібну інформацію? Скористайтесь пошуком google:

Генерація сторінки за: 0.004 сек.