Методы научных исследований
ВВЕДЕНИЕ
OLAP-системы предоставляют аналитику средства проверки гипотез при анализе данных, то есть основной задачей аналитика является генерация гипотез, которую он решает ее, основываясь на своих знаниях и опыте. Однако знания есть не только у человека, но и у накопленных данных, которые подвергаются анализу. Такие знания содержатся в огромной объеме информации, которую человек не в силах исследовать самостоятельно. В связи с этим существует вероятность пропустить гипотезы, которые могут принести значительную выгоду.
Для обнаружения «скрытых» знаний применяется специальные методы автоматического анализа, при помощи которых приходиться практически добывать знания из «завалов» информации. За этим направлением закрепился термин «добыча данных (Data Mining)» или «интеллектуальный анализ данных».
Существует множество определений Data Mining, которые друг друга дополняют. Вот некоторые из них.
Data Mining – это процесс обнаружения в базах данных нетривиальных и практически
СОДЕРЖАНИЕ
ВВЕДЕНИЕ3
Свойства обнаруживаемых знаний4
Дополнительные задачи8
Применение Data Mining в научных исследованиях10
ВЫВОД17
Список литературы18
Список литературы
Бизнес-аналитика: от данных к знаниям [Книга] / авт. Николай Паклин Вячеслав Орешков. - Санкт-Петербург : СПб.: Питер, 2013.
Методы и модели анализа данных: OLAP и Data Mining [Книга] / авт. А.А. Барсегян М.С. Куприянов, В.В. Степаненко, И.И. Холод. - Санкт-Петербург : БХВ-Петербург, 2004.
ТЕХНОЛОГИЯ DATA MINING В ЗАДАЧАХ ПРОГНОЗИРОВАНИЯ РАЗВИТИЯ ТРАНСПОРТНОЙ ИНФРАСТРУКТУРЫ [В Интернете] / авт. Федосеев А.А. Михеев С.В., Головнин О.К. // Российская Академия Естествознания. - 20 04 2022 г.. - https://science-education.ru/ru/article/view?id=8153.
Правило последовательности: после события X через определенное время произойдет событие Y.
Пример. После покупки квартиры жильцы в 60% случаев в течение двух недель приобретают холодильник, а в течение двух месяцев в 50% случаев приобретается телевизор. Решение данной задачи широко применяется в маркетинге и менеджменте, например, при управлении циклом работы с клиентом (Customer Lifecycle Management).
Регрессия, прогнозирование (Forecasting)
Краткое описание. В результате решения задачи прогнозирования на основе особенностей исторических данных оцениваются пропущенные или же будущие значения целевых численных показателей.
Для решения таких задач широко применяются методы математической статистики, нейронные сети и др.
Дополнительные задачиОпределение отклонений или выбросов (DeviationDetection), анализ отклонений или выбросов