Задачи интеллектуального анализа данных.

Целью интеллектуального анализа данных (Datamining) является обнаружение неявных закономерностей в наборах данных.

DataMining - исследование и обнаружение " машиной" (алгоритмами, средствами искусственного интеллекта) в сырых данных скрытых знаний, которые ранее не были известны, нетривиальны, практически полезны, доступны для интерпретации.

Задачи интеллектуального анализа данных.

Задача классификации заключается в том, что для каждого варианта определяется категория или класс, которому он принадлежит. В качестве примера можно привести оценку кредитоспособности потенциального заемщика: назначаемые классы здесь могут быть " кредитоспособен" и " некредитоспособен".

Задача регрессии во многом схожа с задачей классификации, но в ходе ее решения производится поиск шаблонов для определения числового значения. Иными словами, предсказываемый параметр здесь, как правило, число из непрерывного диапазона.

Отдельно выделяется задача прогнозирования новых значений на основании имеющихся значений числовой последовательности (или нескольких последовательностей, между значениями в которых наблюдается корреляция).

Задача кластеризации - заключается в делении множества объектов на группы (кластеры) схожих по параметрам. При этом, в отличие от классификации, число кластеров и их характеристики могут быть заранее неизвестны и определяться в ходе построения кластеров исходя из степени близости объединяемых объектов по совокупности параметров.

Задача определения взаимосвязей, заключается в определении часто встречающихся наборов объектов среди множества подобных наборов.

Анализ последовательностей или сиквенциальный анализ одними авторами рассматривается как вариант предыдущей задачи, другими - выделяется отдельно. Целью, в данном случае, является обнаружение закономерностей в последовательностях событий.

Анализ отклонений позволяет отыскать среди множества событий те, которые существенно отличаются от нормы.

Таблица 1.1. Примеры применения интеллектуального анализа данных

1. Информационные технологииТорговляФинансовая сфераКлассификацияОценка кредитоспособностиРегрессияОценка допустимого кредитного лимитаПрогнозированиеПрогнозирование продажПрогнозирование цен акцииКластеризацииСегментация клиентовСегментация клиентовОпределения взаимосвязейАнализ потребительской корзиныАнализ последовательностейАнализ переходов по страницам web-сайтаАнализ отклоненийОбнаружение вторжений в информационные системыВыявление мошенничества с банковскими картами Значение и роль информационных технологий в аналитических исследованиях.