Содержание
- 2. Автоматическое формирование знаний Data Mining – процесс обнаружения в «сырых» данных ранее неизвестных нетривиальных, практически полезных
- 3. Этапы автоматического формирования знаний Шаг 1. Подготовка исходного набора данных. Создание набора данных, возможно, из различных
- 4. Этапы автоматического формирования знаний Шаг 3. Трансформация, нормализация данных. Необходим для методов, которые работают с исходными
- 5. К задачам формирования знаний относятся: прогнозирование; идентификация функций; классификация и кластеризация; фазификация нечетких переменных. Для решения
- 6. Этапы автоматического формирования знаний Шаг 5. Постобработка данных. Интерпретация результатов и применение полученных знаний в бизнес-приложениях.
- 7. Метод деревьев решений (деревьев классификации). Позволяет предсказывать принадлежность наблюдений или объектов к тому или иному классу
- 8. Метод деревьев решений (деревьев классификации). Деревья решений обеспечивают автоматическое построение продукционных правил «если, …, то …»
- 9. Пусть имеется совокупность n объектов, представленных множеством T = {t1, t2,…tn}, где каждый элемент этого множества
- 10. Пример. Рассмотрим статистику по клиентам некоторого банка. Тогда клиенты – это множество T. Каждый клиент характеризуется
- 11. Пусть имеется множество классов Kj , j=0,…J. При этом каждый объект множества T (каждый клиент банка
- 12. Требуется построить классифицирующие (продукционные) правила, позволяющие выявить закономерности между значениями атрибутов каждого объекта множества T и
- 14. Скачать презентацию