Технологии интеллектуального анализа данных : учебное пособие

306 2.6. Задачи Data Mining............................................................. 55 Свободный поиск (Discovery) (56). – Прогностическое моде- лирование (Predictive Modeling) (58). – Анализ исключений (Forensic analysis) (59). – Классификация технологических методов Data Mining (60). 2.7. Методы и модели Data Mining........................................... 64 Задача классификации и регрессии (64). – Задача поиска ас- социативных правил (68). – Задача кластеризации (70). 2.8. Практическое использование Data Mining ........................ 73 Банковская сфера (74). – Страхование (75). – Телекоммуни- кации (76). – Исследования для правительства (77). – Data Mining для научных исследований (78). – Web Mining (79). – Text Mining (81). – Call Mining (82). Контрольные вопросы .................................................................... 82 Раздел 3. МЕТОДЫ И АЛГОРИТМЫ РЕШЕНИЯ ЗАДАЧ АНА- ЛИЗА ДАННЫХ.............................................................................. 84 3.1. Классификация задач анализа данных .............................. 84 3.2. Методы и алгоритмы решения задач классификации и регрессии............................................................................ 87 Правила классификации (88). – Деревья решений (89). – Ма- тематические функции (91). – Методы построения правил классификации (92). – Методы построения деревьев решений (99). – Методы построения математических функций (115). – Линейные методы. Метод наименьших квадратов (117). – Нелинейные методы (118). – Support Vector Machines (SVM) (119). – Карты Кохонена (123). 3.3. Методы и алгоритмы решения задачи поиска ассоциатив- ных правил .........................................................................128 Сиквенциальный анализ (132). – Разновидности задачи поис- ка ассоциативных правил (136). 3.4. Методы и алгоритмы решения задачи кластеризации......149 Представление результатов (157). – Базовые алгоритмы кла- стеризации (159).