Области применения методов Data Mining

С помощью этих методов при отсутствии априорной информации об объектах и их поведении и значительной ее неполноте решаются следующие задачи:

– выделение в данных групп, сходных по некоторым признакам записей;

– нахождение и аппроксимация зависимостей, связывающих анализируемые параметры или события;

– поиск наиболее значимых параметров в данной проблеме (задаче);

– выявление данных, характеризующих значительные или существенные отклоне-ния от сложившихся ранее закономерностей (анализ отклонений);

– прогнозирование развития объектов, систем, процессов на основе хранящейся ретроспективной информации или с использованием принципов обучения на известных примерах и другие задачи.

Решаются, например, задачи:

-Анализ кредитного риска

- привлечение и удержание клиентов

-прогнозирования изменений клиентуры

- управление портфелем ценных бумаг

- оценка прибыльности ивестиционных проектов

Таблица примеров постановок задач для OLAP-методик и методов Data Mining

Содержание понятия знания. Классификация видов знаний

Понятие «знания» рассматривается с различных точек зрения. В соответствии с этим имеется много определений этого понятия.

Энциклопедический словарь определяет знания как «проверенный практикой результат познания действительности, верное ее отражение в мышлении человека».

Применительно к ситуации с использованием компьютерных информационных систем (ИС) и, в частности ИАС, можно добавить «и в компьютерной ИС».

Имеется след. классификация различных видов знаний.

1. Различают фактические и стратегические знания.

- Фактические – это такие знания, которые позволяют специалисту предметной об-ласти решать конкретные задачи из бизнес-сферы или в каком-либо другом виде деятель-ности. К ним относятся факты, взаимосвязи, системы понятий, правила.

- Стратегические – позволяют определить поведение объектов в ближайшем или отдаленном будущем.

2. Знания как Факты и эвристики.

Факты – это хорошо известные и описанные обстоятельства.

Эвристики – знания, опыт, навыки специалистов в соответствующих предметных областях.

3. Декларативные и процедурные знания.

Первые являются очевидными, например: выручка – сумма, полученная в результа-те продажи товаров. Товар – изделие, предназначенное для продажи.

Процедурные – по существу алгоритмы преобразования декларативных знаний, действий над ними.

4. Интенсиональные и экстенсиональные знания.

Первые являются знаниями о связях между объектами (их атрибутами) рассматри-ваемой предметной области. Вторые – свойства объектов, их состояния, значения свойств в пространстве и динамике.

5. Глубинные и поверхностные знания.

Следует различать два различных процесса получения знаний.

- Первый – это «из-влечение» их из живого источника – эксперта, специалиста с целью их идентификации и возможной формализации, помещения в базу знаний и построения на этой основе экс-пертных систем, а также в других целях. Такой процесс относят к инженерии знаний.

-Другой – это «добыча» скрытых от пользователя знаний из данных, помещенных в различного рода компьютерные информационные системы, в том числе базы данных различного назначения, информационные хранилища. Процесс второго рода называют Data mining