Слишком сложно? Тогда запросите консультацию специалиста!
Наша компания занимается тем, что помогает студентам выполнять различные учебные работы на заказ. Вы можете ознакомиться с перечнем выполняемых работ, а так же с их стоимостью на странице с ценами.
Все методы DM можно разделить на две большие группы по принципу работы с исходными общими данными
1) Непосредственное использование данных или сохранение данных.
В этом случаи исходные данные хранятся в явном детализированном виде и непосредственно используются на стадиях прогностического моделирования и анализа исключения.
Проблема этой группы методов: при их использовании могут возникнуть сложности анализа сверх больших баз данных.
Методы этой группы: кластерный анализ, метод ближайшего соседа, метод к-ближайшего соседа, рассуждения по аналогии.
2) Выявление и использование формализованных закономерностей или дистилляции шаблонов.
По технологии дистилляции шаблонов один образец шаблонов информации извлекается из исходных данных и преобразуется в формальный вид в зависимость от метода. Это выполняется на стадии свободного поиска.
Методы этой группы: логические методы, методы визуализации, методы кросс-табуляции, методы основанных на уровнях.
Логические методы включают:
· Нечеткие запросы
· Символьные правила
· Деревья решений
· Генетические алгоритмы
Методы на основе уравнений выражают закономерности в виде математических уравнений. Они могут работать только с численными переменными, переменными других типов нужно закодировать.
Основные методы
Статистические Нейронные сети
К статистическим относятся: Корреляционный анализ, гармонический анализ, выявление тенденции динамических рядов.
Рассмотрим другой вид классический DM
Data Mining
Статистические Кибернетические
(основанные на использовании усредненного
накопленного опыта, который отражается в
ряд ретроспективных данных)
Статистические методы DM – эти методы представляют собой 4 взаимосвязанных раздела:
1. Предварительный анализ природы статистических данных:
v Проверка гипотез стационарности
v Проверка гипотез нормальности
v Проверка гипотез независимости
v Проверка гипотез однородности
v Оценка вида функции, распределение ее параметров.
2. Выявление связей и закономерностей:
v Линейный анализ
v Регрессионный анализ
3. Многомерный статистический анализ:
v Кластерный анализ
v Дискриминантный анализ
v Компонентный анализ
v Факторный анализ
4. Динамические модели и прогноз на основе временных рядов
