Презентация Основные понятия интеллектуального анализа данных (data mining) онлайн
На нашем сайте вы можете скачать и просмотреть онлайн доклад-презентацию на тему Основные понятия интеллектуального анализа данных (data mining) абсолютно бесплатно. Урок-презентация на эту тему содержит всего 55 слайдов. Все материалы созданы в программе PowerPoint и имеют формат ppt или же pptx. Материалы и темы для презентаций взяты из открытых источников и загружены их авторами, за качество и достоверность информации в них администрация сайта не отвечает, все права принадлежат их создателям. Если вы нашли то, что искали, отблагодарите авторов - поделитесь ссылкой в социальных сетях, а наш сайт добавьте в закладки.
Презентации » Устройства и комплектующие » Основные понятия интеллектуального анализа данных (data mining)
Оцените!
Оцените презентацию от 1 до 5 баллов!
- Тип файла:ppt / pptx (powerpoint)
- Всего слайдов:55 слайдов
- Для класса:1,2,3,4,5,6,7,8,9,10,11
- Размер файла:237.00 kB
- Просмотров:121
- Скачиваний:14
- Автор:неизвестен
Слайды и текст к этой презентации:
№3 слайд
![Литература Методичка Решение](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img2.jpg)
Содержание слайда: Литература
Методичка «Решение задач ИАД» в среде Statistica
А.А. Барсегян «Методы и модели анализа данных: OLAP и Data Mining», Санкт-Петербург, изд-во БХВ-Петрбург, 2004 г. (коллектив авторов Санкт- Петербургский гос. тех. Университет – ЛЭТИ и компания ZSoftLtd – разработка информационно-аналитических систем). Книга – обзор технологий обработки данных, первая на русском языке.
Факторный, дискриминантный и кластерный анализ/Пер. с англ. А.М. Хотинского. Под ред. И.С. Енюкова. -М.: Финансы и статистика, 1989.
Электронный учебник StatSoft по анализу данных.
№4 слайд
![Айвазян С.А., Бежаева З.И.,](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img3.jpg)
Содержание слайда: Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. – М.: Финансы и статистика, 1974. – 240 с.
Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. – М.: Финансы и статистика, 1974. – 240 с.
Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности.- М.: Финансы и статистика, 1989.
Аренс Х., Лейтер Ю. Многомерный дисперсионный анализ/Пер. с нем. В.М. Ивановой. -М.: Финансы и статистика, 1985.
Боровиков В.П. Statistica. Искусство анализа данных на компьютере: Для профессионалов. 2-е изд. – СПб.: Питер, 2003. – 688 с.
Боровиков В.П., Боровиков И.П. Statistica - Статистический анализ и обработка данных в среде Windows. – М.: «Филин», 1997. – 608 с.
№5 слайд
![Бериков В.Б. Анализ](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img4.jpg)
Содержание слайда: Бериков В.Б. Анализ статистических данных с использованием деревьев решений: Учебное пособие. – Новосибирск. Изд-во НГТУ, 2002. – 60 с.
Бериков В.Б. Анализ статистических данных с использованием деревьев решений: Учебное пособие. – Новосибирск. Изд-во НГТУ, 2002. – 60 с.
Авдеенко Т.В. Компьютерные методы анализа временных рядов и прогнозирования. - Новосибирск: НГТУ, 2008. - 271 с.
Дайитбегов Д.М. Компьютерные технологии анализа данных в эконометрике. – Изд-во Инфра-М, 2008. - 578 с.
№6 слайд
![. Определение ИАД](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img5.jpg)
Содержание слайда: 1. Определение ИАД
Интеллектуальный анализ данных (ИАД, data mining) представляет собой новое направление в области информационных систем (ИС), ориентированное на решение задач поддержки принятия решений на основе количественных и качественных исследований сверхбольших массивов разнородных ретроспективных данных.
№7 слайд
![. Определение ИАД ИАД Data](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img6.jpg)
Содержание слайда: 1. Определение ИАД
ИАД (Data Mining) - это процесс поддержки принятия решений, основанный на поиске в данных скрытых закономерностей (шаблонов информации). При этом накопленные сведения автоматически обобщаются до информации, которая может быть охарактеризована как знания.
№9 слайд
![. Определение ИАД ИАД Data](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img8.jpg)
Содержание слайда: 1. Определение ИАД
ИАД “Data Mining” – это процесс, цель которого – обнаружить новые значимые корреляции, образцы и тенденции в результате просеивания большого объема хранимых данных с использованием методик распознавания образов и методов математической статистики (Gartner Group).
№11 слайд
![. Определение ИАД StatSoft](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img10.jpg)
Содержание слайда: 1. Определение ИАД (StatSoft)
ИАД (Data Mining) - процесс аналитического исследования больших массивов информации (обычно экономического характера) с целью выявления определенных закономерностей и систематических взаимосвязей между переменными, которые затем можно применить к новым совокупностям данных.
№12 слайд
![. Определение Data Mining](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img11.jpg)
Содержание слайда: 1. Определение Data Mining
Data Mining – исследование и обнаружение «машиной» (алгоритмами, средствами искусственного интеллекта) в сырых данных скрытых знаний, которые ранее не были известны, нетривиальны, практически полезны, доступны для интерпретации человеком. (Григорий Пятецкий-Шапиро, 1996 г. – основатель направления)
№13 слайд
![. Определение Data Mining](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img12.jpg)
Содержание слайда: 1. Определение Data Mining
Основные свойства знаний:
- знания должны быть новые, ранее неизвестные. Затраченные усилия на открытие знаний, которые уже были известны пользователю – не окупаются.
- знания должны быть нетривиальны. Результаты анализа должны отражать неочевидные, неожиданные закономерности в данных, составляющие так называемые скрытые знания. Наример, если знания получены простым просмотром – привлечение мощных средств Data Mining не оправдывается.
№14 слайд
![знания должны быть](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img13.jpg)
Содержание слайда: знания должны быть практически полезны. Знания должны быть применимы на новых данных с достаточно высокой степенью достоверности и приносить выгоду при их применении.
знания должны быть доступны для понимания человеку. Закономерности д.б. логически объяснимы, иначе они могут быть случайны и представлены в понятном для человека виде.
В этом контексте знания представляют собой краткое обобщенное описание основного содержания информации, представленной в данных (скрытые закономерности, корреляции, тенденции, обобщенные характеристики данных типа “если-то” и т.д.).
№15 слайд
![. Определение KNOWLEDGE](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img14.jpg)
Содержание слайда: 1. Определение KNOWLEDGE DISCOVERY IN DATABASES (POLYANALYST)
«ОБНАРУЖЕНИЕ ЗНАНИЙ В БАЗАХ ДАННЫХ») – АНАЛИТИЧЕСКИЙ ПРОЦЕСС ИССЛЕДОВАНИЯ ЧЕЛОВЕКОМ БОЛЬШОГО ОБЪЕМА ИНФОРМАЦИИ С ПРИВЛЕЧЕНИЕМ СРЕДСТВ АВТОМАТИЗИРОВАННОГО ИССЛЕДОВАНИЯ ДАННЫХ С ЦЕЛЬЮ ОБНАРУЖЕНИЯ СКРЫТЫХ В ДАННЫХ СТРУКТУР ИЛИ ЗАВИСИМОСТЕЙ.
ПРЕДПОЛАГАЕТСЯ ПОЛНОЕ ИЛИ ЧАСТИЧНОЕ ОТСУТСТВИЕ АПРИОРНЫХ ПРЕДСТАВЛЕНИЙ О ХАРАКТЕРЕ СКРЫТЫХ СТРУКТУР И ЗАВИСИМОСТЕЙ.
№16 слайд
![. Этапы KDD ПОСТАНОВКА ЗАДАЧИ](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img15.jpg)
Содержание слайда: 1. Этапы KDD
ПОСТАНОВКА ЗАДАЧИ (В ТЕРМИНАХ ЦЕЛЕВЫХ ПЕРЕМЕННЫХ);
ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА (ПРЕОБРАЗОВАНИЕ ДАННЫХ К ДОСТУПНОМУ ДЛЯ АВТОМАТИЗИРОВАННОГО АНАЛИЗА ФОРМАТУ)
ОБНАРУЖЕНИЕ СРЕДСТВАМИ АВТОМАТИЧЕСКОГО ИССЛЕДОВАНИЯ ДАННЫХ (DATA MINING) СКРЫТЫХ СТРУКТУР ИЛИ ЗАВИСИМОСТЕЙ;
АПРОБАЦИЯ ОБНАРУЖЕННЫХ МОДЕЛЕЙ НА НОВЫХ, НЕ ИСПОЛЬЗОВАВШИХСЯ ДЛЯ ПОСТРОЕНИЯ МОДЕЛЕЙ ДАННЫХ И ИНТЕРПРЕТАЦИЯ ЧЕЛОВЕКОМ ОБНАРУЖЕННЫХ МОДЕЛЕЙ.
№17 слайд
![Одно из направлений ИАД](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img16.jpg)
Содержание слайда: Одно из направлений ИАД: поиск, выбор, синтез методов и средств обработки и анализа данных с учетом поставленных целей исследования.
Одно из направлений ИАД: поиск, выбор, синтез методов и средств обработки и анализа данных с учетом поставленных целей исследования.
Технология, которая реализует этот вариант ИАД – вариативное моделирование (ВМ).
ВМ - есть метод исследования, основанный на замене исследуемого объекта-оригинала набором разнообразных моделей его и на работе с ними.
№18 слайд
![Отличительная особенность ВМ](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img17.jpg)
Содержание слайда: Отличительная особенность ВМ от обычного (классического) заключается в том, что здесь обязательным является построение и применение в процессе моделирования не менее двух разных моделей исследуемого (моделируемого) объекта.
Это могут быть модели разных классов (познавательные и прагматические; материальные и идеальные; микро, макро и мегамодели; реальные, виртуальные и абстрактные; априорные и апостериорные; регулярные и иррегулярные; стохастические и хаотические и т.п.), одного класса, но разных типов, склонностей; использующие разные уровни описания объекта, средства и технологии их построения, интерпретации и применения и т.п.
Виды моделей зависят от метода их создания. Наиболее распространенные: правила, деревья решений, кластеры, математические функции.
№19 слайд
![. Классификация задач ИАД .](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img18.jpg)
Содержание слайда: 2. Классификация задач ИАД
1. Выявление ассоциативных взаимосвязей в данных
Ассоциация используется для определения закономерностей в событиях или процессах.
Ассоциации связывают различные факты одного события.
Найденные закономерности представляются в виде правил и используются как для лучшего понимания природы явления так и для предсказания появления события.
№21 слайд
![. Классификация задач ИАД .](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img20.jpg)
Содержание слайда: 2. Классификация задач ИАД
2. Выявление последовательностей
Последовательные шаблоны аналогичны ассоциациям с той лишь разницей, что связывают события, разнесенные во времени.
Такая задача является разновидностью задачи поиска ассоциативных правил и называется сиквенциальным анализом.
№22 слайд
![. Классификация задач ИАД .](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img21.jpg)
Содержание слайда: 2. Классификация задач ИАД
3. Кластеризация объектов – разделение исследуемого множества объектов на группы «похожих» объектов, называемых кластерами.
В процессе кластеризации методами ИАД определяются схожие характеристики объектов и на их основе объединяются объекты в классы (кластеры).
№31 слайд
![. Математический аппарат ИАД](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img30.jpg)
Содержание слайда: 4. Математический аппарат ИАД
ИАД – это многодисциплинарный подход, который включает в себя методы математической статистики и теории вероятности, методы визуализации данных, нейросетевые методы, методы деревьев решений, нечеткую логику, экспертный анализ, эволюционное программирование, генетические алгоритмы и т.д.
№33 слайд
![Методы статистической](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img32.jpg)
Содержание слайда: Методы статистической обработки данных
Предварительный анализ природы статистических данных (проверка гипотез стационарности, нормальности, независимости, однородности, оценка вида функции распределения и ее параметров).
Выявление связей и закономерностей (линейный и нелинейный регрессионный анализ, корреляционный анализ).
Многомерный статистический анализ (линейный и нелинейный дискриминантный анализ, кластер-анализ, компонентный анализ, факторный анализ).
Динамические модели и прогноз на основе временных рядов.
№34 слайд
![Методы статистической](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img33.jpg)
Содержание слайда: Методы статистической обработки данных
Достоинства
Построенные модели “прозрачны” и допускают интерпретацию.
Возможно оценить статистическую значимость полученных результатов.
Разработано много алгоритмов и накоплен большой опыт их применения в научных и инженерных приложениях.
№35 слайд
![Методы статистической](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img34.jpg)
Содержание слайда: Методы статистической обработки данных
Недостатки
Требуют сохранение неизменных условий эксперимента (требования статистического ансамбля).
Требуют априорных допущений об исследуемых данных (закон распределения исследуемых данных, отсутствие пропусков в данных, отсутствие аномальных выбросов и т.д.).
№42 слайд
![Эволюционное программирование](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img41.jpg)
Содержание слайда: Эволюционное программирование
Достоинства
Высокая степень автоматизации (автоматическое обнаружение в массивах данных кластеров, случайных выбросов, скрытых закономерностей, фильтрация шумов; визуализация обнаруженных зависимостей, оценка статистической значимости результатов и т.д.).
№44 слайд
![Традиционные методы решения](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img43.jpg)
Содержание слайда: Традиционные методы решения оптимизационных задач
Методы исследования операций, включающие в себя различные виды математического программирования (линейное, нелинейное, дискретное, целочисленное)
динамическое программирование,
методы теории систем массового обслуживания
Программное обеспечение
MathCAD и MatLab.
№51 слайд
![Интегрированные технологии,](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img50.jpg)
Содержание слайда: Интегрированные технологии, вариативное моделирование
Достоинства
Эффективность (можно выбирать подходы адекватные задачам, или сравнивать результаты применения разных подходов).
Недостатки
Сложные средства поддержки (программное и аппаратное обеспечение), высокая стоимость.
Программное обеспечение: Scenario, MineSet, Statistica.
№53 слайд
![Особенности технологий ИАД](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img52.jpg)
Содержание слайда: Особенности технологий ИАД
Технологии ИАД в большей степени ориентированы на практическое приложение полученных результатов, чем на выяснение природы явления.
При ИАД нас не очень интересует конкретный вид зависимости между переменными. Основное внимание уделяется поиску решений, на основе которых модно получить достоверный прогноз.
В ИАД широко используют модели типа «черный» ящик.
№54 слайд
![Требования к результатам ИАД](/documents_6/c8cf62230e64b47deaee95c1a9c175ec/img53.jpg)
Содержание слайда: Требования к результатам ИАД
Результат должен быть понятен пользователю-нематематику.
Результат должен быть пригодным для дальнейшей обработки компьютерными программами, т.е. требование «прозрачности» для человека и машины.
Например, правила «если-то» таким условиям удовлетворяют.
Скачать все slide презентации Основные понятия интеллектуального анализа данных (data mining) одним архивом:
Похожие презентации
-
Методы интеллектуального анализа данных Мартин Браун (Martin C. Brown)
-
Методы интеллектуального анализа данных и некоторые их приложения
-
Язык программирования Паскаль. Основные понятия
-
Циклы. Основные понятия
-
Основные понятия языка программирования. Структура ЯВУ
-
Разработка системных приложений. Основные понятия. Процессы
-
Тестирование программного обеспечения. История и основные понятия
-
Основные понятия ООП
-
Управление взаимоотношениями с клиентами DATA Mining
-
Анализ данных с применением библиотек Python