Интеллектуальный анализ данных
Минский
филиал государственного образовательного учреждения высшего профессионального
образования «Московский государственный университет экономики, статистики и
информатики (МЭСИ)»
Контрольная
работа
по
дисциплине Информационные аналитические системы
По
теме: «Интеллектуальный анализ данных»
Студент Усыпок А.Л.
Группа 68 МО
Руководитель
Горбачев Н.Н.
Зарегистрировано на
кафедре
Минск
2012 г.
Введение
Сегодня мы являемся свидетелями активного
развития технологии интеллектуального анализа данных (ИАД или data mining),
появление которой связано, в первую очередь, с необходимостью аналитической
обработки сверхбольших объемов информации, накапливаемой в современных
хранилищах данных. Возможность использования хорошо известных методов математической
статистики и машинного обучения для решения задач подобного рода открыло новые
возможности перед аналитиками, исследователями, а также теми, кто принимает
решения - менеджерами и руководителями компаний.
Сложность и разнообразие методов ИАД требуют
создания специализированных средств конечного пользователя для решения типовых
задач анализа информации в конкретных областях. Поскольку эти средства
используются в составе сложных многофункциональных систем поддержки принятия
решений, они должны легко интегрироваться в подобные системы. Одним из наиболее
важных и перспективных направлений применения ИАД являются бизнес-приложения,
поэтому опыт канадско-американской фирмы Cognos по реализации методов ИАД в
составе интегрированных интеллектуальных систем поддержки принятия решений
представляет интерес как для разработчиков, так и для пользователей.
Системы ИАД применяются в научных исследованиях
и образовании, в работе правоохранительных органов, производстве,
здравоохранении и многих других областях. Особенно широко технология ИАД
используется в деловых приложениях.
В данной работе мы исследуем интеллектуальный
анализ данных.
1.
Интеллектуальный анализ данных
Интеллектуальный анализ данных (ИАД) обычно
определяют как метод поддержки принятия решений, основанный на анализе
зависимостей между данными. В рамках такой общей формулировки обычный анализ
отчетов, построенных по базе данных, также может рассматриваться как
разновидность ИАД. Чтобы перейти к рассмотрению более продвинутых технологий
ИАД, посмотрим, как можно автоматизировать поиск зависимостей между данными.
Целью интеллектуального анализа
данных (англ. Datamining, другие варианты перевода - "добыча данных",
"раскопка данных") является обнаружение неявных закономерностей в
наборах данных. Как научное направление он стал активно развиваться в 90-х
годах XXвека, что было вызвано широким распространением технологий
автоматизированной обработки информации и накоплением в компьютерных системах
больших объемов данных [<#"651096.files/image001.gif">
В системах ИАД применяется
чрезвычайно широкий спектр математических, логических и статистических методов:
от анализа деревьев решений (Business Objects) до нейронных сетей (NeoVista).
Пока трудно говорить о перспективности или предпочтительности тех или иных
методов. Технология ИАД сейчас находится в начале пути, и практического
материала для каких-либо рекомендаций или обобщений явно недостаточно.
Необходимо также упомянуть об
интеграции ИАД в информационные системы. Многие методы ИАД возникли из задач
экспертного анализа, поэтому входными данными для них традиционно служат
"плоские" файлы данных. При использовании ИАД в СППР часто приходится
сначала извлекать данные из Хранилища, преобразовывать их в файлы нужных
форматов и только потом переходить собственно к интеллектуальному анализу.
Затем результаты анализа требуется сформулировать в терминах бизнес-понятий.
Важный шаг вперед сделала компания Information Discovery, разработавшая системы
OLAP Discovery System и OLAP Affinity System, предназначенные специально для
интеллектуального анализа многомерных агрегированных данных [2, с. 26].
интеллектуальный анализ
данные прогнозирование
Заключение
Интеллектуальный анализ данных (ИАД, data
mining, KDD - knowledge discovery in databases) представляет собой новейшее
направление в области информационных систем (ИС), ориентированное на решение
задач поддержки принятия решений на основе количественных и качественных
исследований сверхбольших массивов разнородных ретроспективных данных.
Интеллектуальный анализ данных является одним из
наиболее актуальных и востребованных направлений прикладной математики.
Современные процессы бизнеса и производства порождают огромные массивы данных,
и людям становится все труднее интерпретировать и реагировать на большое
количество данных, которые динамически изменяются во времени выполнения, не
говоря уже о предупреждении критических ситуаций. «Интеллектуальный анализ
данных» извлечь максимум полезных знаний из многомерных, разнородных, неполных,
неточных, противоречивых, косвенных данных. Помогает сделать это эффективно,
если объем данных измеряется гигабайтами или даже терабайтами. Помогает строить
алгоритмы, способные обучаться принятию решений в различных профессиональных
областях.
Средства «Интеллектуального анализа данных»
предохраняют людей от информационной перегрузки, перерабатывая оперативные
данные в полезную информацию так, чтобы нужные действия могли быть приняты в
нужные времена.
Прикладные разработки ведутся по следующим
направлениям: прогнозирование в экономических системах; автоматизация
маркетинговых исследований и анализ клиентских сред для производственных,
торговых, телекоммуникационных и Интернет-компаний; автоматизация принятия
кредитных решений и оценка кредитных рисков; мониторинг финансовых рынков;
автоматические торговые системы.
Список
литературы
1. Тельнов
Ю.Ф. Интеллектуальные информационные системы в экономике. М. СИНТЕГ 2002. 306
с.
2. Дюк
В.,
Самойленко
А.
Data Mining. Издательский дом "Питер". СПб , 2001.
. Васильев
В.П. Информационно-аналитические системы. Практикум на ПК.МФ МЭСИ -2007.