28*. Опишите модели и методы Data Mining.
Data Mining (добыча данных, интеллектуальный анализ данных, глубинный анализ данных) — собирательное название, используемое для обозначения совокупности методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности.
Основные методы Data Mining:
-
Статистические методы
-
Полный и ограниченный перебор
-
Нечеткая логика
-
Генетические алгоритмы
-
Нейронные сети
-
Деревья решений.
Методы Data Mining помогают решить многие задачи, с которыми сталкивается аналитик. Из них основными являются: задача классификации и регрессии, задача поиска ассоциативных правил и задача кластеризации.
-
Задача классификации сводится к определению класса объекта по его характеристикам.
-
Задача регрессии подобно задаче классификации позволяет определить по известным характеристикам объекта значение некоторого его параметра.
-
Задача поиска ассоциативных правил. При поиске ассоциативных правил целью является нахождение частных зависимостей (или ассоциаций) между объектами или событиями.
-
Задача кластеризации заключается в поиске независимых групп (кластеров) и их характеристик во всем множестве анализируемых данных.
Модели Data Mining. Знания, добываемые методами Data mining, принято представлять в виде моделей. Основными моделями Data mining являются:
-
ассоциативные правила,
-
деревья решений,
-
кластеры,
-
математические функции.
29. Особенности процесса обнаружения знаний.
Процесс обнаружения знаний (Data Mining’a):
-
Анализ предметной области
-
Постановка задачи
-
Подготовка данных
-
Построение моделей
-
Проверка и оценка моделей
-
Выбор модели
-
Применение модели
-
Коррекция и обновление модели
Data Mining - процесс поддержки принятия решений, который основан на поиске в больших объемах данных скрытых закономерностей.
Важной особенностью Data Mining является нестандартность и неочевидность разыскиваемых шаблонов. Иными словами, средства Data Mining отличаются от инструментов статистической обработки данных и средств OLAP тем, что вместо проверки заранее предполагаемых пользователями взаимозависимостей они на основании имеющихся данных способны находить такие взаимозависимости самостоятельно и строить гипотезы об их характере.
30. Назовите основные методы экспертных оценок.
Экспертное оценивание — процедура получения оценки проблемы на основе мнения специалистов (экспертов) с целью последующего принятия решения (выбора). Экспертные исследования могут иметь как самостоятельное значение, так и использоваться при проверке истинности (верификации) логических исследований и моделирования.
31*. Определение теории важности критериев и ее определение количественной важности критериев.
(из книги “Введение в теорию важности критериев” Подиновского В.В.).
Теория важности критериев - математическая теория, основанная на строгих (формальных) определениях понятия относительной важности критериев, которая включала бы методы корректного анализа многокритериальных задач с использованием информации о важности
Определение количественной важности критериев (формальное определение использует понятие N-модели, которое потребует введение ряда других понятий, поэтому привожу лишь это):
