Технологии интеллектуального анализа данных : учебное пособие

188 мальной или неформальной модели. Если эксперты могут форма- лизовать свои знания о решении задачи в рамках какой-либо моде- ли представления знаний, а решение задачи должно обладать хо- рошей интерпретируемостью, предпочтительнее применять систе- мы, основанные на использовании методов нечеткой логики. 3.7. Анализ данных на основе методов нечеткой логики Теория нечетких множеств позволяет формализовать нечет- кие понятия и знания, используемые человеком в процессе реше- ния прикладных задач, оперировать этими знаниями и осуществ- лять нечеткие выводы. Способность принимать правильные решения в обстановке неполной и нечеткой информации является наиболее поразитель- ным свойством человеческого интеллекта, позволяющим ему ре- шать многие прикладные задачи, недоступные для компьютерных систем. Построение моделей приближенных рассуждений человека и использование их в компьютерных системах представляет сего- дня одну из важнейших проблем науки. Значительный шаг в данном направлении был сделан Л.А. За- де, который ввел понятие нечеткого множества, нечеткой и лин- гвистической переменной, а также подвел математический аппарат для обработки нечеткой информации и описания процессов интел- лектуальной деятельности человека, включая нечеткость и неопре- деленность выражений. Предложенный подход позволил расши- рить сферу приложения систем автоматизации и обработки инфор- мации за пределы применимости классической теории. Фундаментальным отличием нечеткого множества от клас- сического понятия множества является то, что характеристическая функция (функция принадлежности) нечеткого множества может