Основываясь на этих критериях, можно сделать вывод, что новый человек от­ носится к группе высокого риска и должен быть помечен.

Обычно показатели времени не учитываются при проведении такого анализа. Но сегодня существуют продвинутые методы, которые рассматривают рост графа с течением времени. Это позволяет исследователям взглянуть на взаи­ мосвязь между вершинами по мере развития сети. Анализ временных рядов на графах во много раз усложняет задачу. Однако с его помощью можно получить дополнительные данные для доказательства мошенничества, которые в про­ тивном случае было бы невозможно обнаружить.

РЕЗЮМЕ

Вэтой главе мы узнали об алгоритмах, основанных на графах. Теперь мы сможем использовать различные методы представления графов и графовые алгоритмы поиска и обработки данных. Мы научились вычислять кратчайшее расстояние между двумя вершинами и строить окрестности в пространстве задачи. Эти знания помогают применить теорию графов для решения таких задач‚ как вы­ явление мошенничества.

Вследующей главе мы сосредоточимся на алгоритмах машинного обучения без учителя. Многие рассмотренные в этой главе практические методы до­ полняют алгоритмы обучения без учителя, с которыми мы познакомимся далее. Поиск доказательств мошенничества в наборе данных является при­ мером такого метода.

Часть II

АЛГОРИТМЫ МАШИННОГООБУЧЕНИЯ

Вэтойчастимыузнаеморазличныхвидахалгоритмовмашинногообучения:сучителем и без учителя. Кроме того‚ познакомимся с алгоритмами обработки естественного языка и с механизмами рекомендаций. В данную часть включены следующие главы:

zz Глава 6. Алгоритмы машинного обучения без учителя. zz Глава 7. Традиционные алгоритмы обучения с учителем. zz Глава 8. Алгоритмы нейронных сетей.

zz Глава 9. Алгоритмы обработки естественного языка. zz Глава 10. Рекомендательные системы.