Технологии интеллектуального анализа данных : учебное пособие

124 Другой путь решения этой задачи – применение нейронных сетей, которые можно обучить на имеющемся наборе данных. В этом случае в качестве исходной информации используются дан- ные финансовых отчетов различных банков, а в качестве целевого поля – итог их деятельности. Однако при использовании описанных методов результат на- вязывается без попытки найти закономерности в исходных данных. В принципе все обанкротившиеся банки похожи друг на друга хотя бы тем, что они обанкротились. Значит, в их деятельности должно быть нечто общее, что привело их к этому итогу. Следовательно, можно попытаться выявить эти закономерности с тем, чтобы ис- пользовать их в дальнейшем. Сразу же возникает вопрос о путях хождения данных закономерностей. Если использовать методы статистики, надо определить, какие критерии «похожести» исполь- зовать, что может потребовать каких-либо дополнительных знаний о характере задачи. Однако существует метод, позволяющий автоматизировать все действия по поиску закономерностей – метод анализа с исполь- зованием самоорганизующихся карт Кохонена. Рассмотрим, как решаются такие задачи и как карты Кохонена находят закономер- ности в исходных данных. Для общности рассмотрения будем ис- пользовать термин объект (например, объектом может быть банк, как в рассмотренном ранее примере, но описываемая методика без изменений подходит для решения и других задач, например: анали- за кредитоспособности клиента, поиска оптимальной стратегии по- ведения на рынке и т.д.). Каждый объект характеризуется набором различных пара- метров, которые описывают его состояние. В частности, для данно- го примера параметрами будут сведения из финансовых отчетов. Эти параметры часто имеют числовую форму или могут быть при- ведены к ней.