Технологии интеллектуального анализа данных : учебное пособие

233 Очистка от шумов. Шумы в данных не только скрывают об- щую тенденцию, но и проявляют себя при построении модели про- гноза. Из-за них модель может получиться с плохими обобщающи- ми качествами. При выборе режима очистки от шумов необходимо задать степень вычитания шума: малую, среднюю или большую. При ис- пользовании вычитания шума следует соблюдать осторожность, так как эвристический алгоритм может гарантировать удовлетво- рительный результат лишь при выполнении условий:  дисперсия шума значительно меньше энергии полезного сигнала;  шум имеет нормальное распределение. Применим алгоритм для данных с шумом из предыдущего примера. Результат очистки представлен на рис. 4.10. Рис. 4.10. Данные после очистки от шумов Факторный анализ При исследовании сложных объектов и систем часто нельзя непосредственно измерить величины, определяющие свойства этих объектов (так называемые факторы ), а иногда неизвестно даже число и содержательный смысл факторов. Для измерений могут быть доступны иные величины, зависящие от этих факторов. При