Технологии интеллектуального анализа данных : учебное пособие

123 Карты Кохонена Иногда возникает задача анализа данных, которые с трудом можно представить в математической числовой форме. Это случай, когда нужно извлечь данные, принципы отбора которых заданы нечетко: выделить надежных партнеров, определить перспектив- ный товар и т.п. Рассмотрим типичную для задач подобного рода ситуацию – предсказание банкротств. Предположим, что имеется информация о деятельности нескольких десятков банков (их от- крытая финансовая отчетность) за некоторый период времени. По окончании этого периода известно, какие из этих банков обанкро- тились, у каких отозвали лицензию, а какие продолжают стабильно работать (на момент окончания периода). Теперь необходимо решить вопрос о том, в каком из банков стоит размещать средства. Естественно, маловероятно желание разместить средства в банке, который может скоро обанкротиться. Значит, надо каким-либо образом решить задачу анализа рисков вложений в различные коммерческие структуры. На первый взгляд, решить эту проблему несложно – ведь имеются данные о работе банков и результат их деятельности. Од- нако данная задача не так проста, поскольку имеющиеся сведения описывают прошедший период, а интерес представляет то, что бу- дет в дальнейшем. Таким образом, на основании имеющихся апри- орных данных необходимо получить прогноз на дальнейший период. Для решения этой задачи можно использовать различные методы. Так, наиболее очевидным является применение методов ма- тематической статистики. Но при этом возникает проблема с коли- чеством данных, так как статистические методы хорошо работают при большом объеме априорных данных, а их в конкретном случае может оказаться недостаточно. При этом статистические методы не могут гарантировать успешный результат.