Содержание
1.Задачи Data Mining. Задача классификации и регрессии.
Выдержка из текста
Развитие методов записи и хранения данных привело к бурному росту объемов собираемой и анализируемой информации. Объемы данных настолько внушительны, что человеку просто не по силам проанализировать их самостоятельно, хотя необходимость проведения такого анализа вполне очевидна, ведь в этих «сырых» данных заключены знания, которые могут быть использованы при принятии решений. Для того чтобы провести автоматический анализ данных, используется Data Mining.
Data Mining это процесс обнаружения в «сырых» данных ранее неизвестных нетривиальных практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Data Mining является одним из шагов Knowledge Discovery in Databases.
Список использованной литературы
1.Альперович М. Технологии хранения и обработки корпоративных данных (Data Warehousing, OLAP, Data Mining). — http://www.sft.ru/reviews/DevCon97/DC2/DC2T12.htm.
2.Брандт З. Анализ данных. М.: Мир. 2003.
3.Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Издательский дом «Вильямс». 2007.
4.Лабоцкий В.В. Управление знаниями: технологии, методы и средства представления, извлечения и измерения знаний — Минск: БГЭУ, 2006.
5.Стрижов В. В. Методы индуктивного порождения регрессионных моделей. М.: ВЦ РАН. 2008.
http://www.basegroup.ru/library/methodology/data_mining/
http://www.zsoft.ru/page.php?8
С этим материалом также изучают
... метод сравнения, структурный метод, индукция, дедукция, конструктивный метод, метод экономического анализа, монографический метод, метод сравнения, обработки данных, расчетно-аналитические методы, методы структурно-динамического анализа, методы ... data. ...
Исследование ИИС: от фундаментальных понятий до российских кейсов применения. Узнайте о классификации, архитектуре и влиянии ИИ на экономику РФ.
Исследуйте графовые базы данных: от основ до продвинутых алгоритмов, применения в AI, кибербезопасности и перспектив облачных решений.
Изучите контент-анализ как ключевой метод исследования: от основ до автоматизации. Узнайте о его возможностях и ограничениях в эпоху Big Data и ИИ.
Всесторонний обзор систем управления базами данных (СУБД): от эволюции и архитектур до моделей данных и языков SQL. Сравнение MySQL, PostgreSQL, Oracle, MS SQL, Firebird.
Полный гид по восстановлению данных: анализ ПО (R-Studio, Disk Drill), методы, файловые системы, стратегии бэкапа и правовые аспекты в РФ (ФЗ-152, оборотные штрафы).
Полное руководство по проектированию, реализации и администрированию БД. От нормализации до NoSQL и безопасности: создайте экспертную курсовую работу в 2025 году.
Всесторонний анализ оптимизационных методов: от линейного программирования и Симплекс-метода до ИИ-оптимизации, VRP и портфельной теории Марковица.
Исчерпывающее руководство по созданию эффективных и безопасных баз данных: от анализа требований до оценки качества. Включает нормализацию, SEO и HTML-синтез.
Комплексный анализ оптимизации оборотных средств предприятия: методы оценки, влияние факторов, риски и роль цифровых технологий (ERP, AI) для финансовой устойчивости.