Технологии интеллектуального анализа данных : учебное пособие

63 Арсенал статистических методов Data Mining включает че- тыре группы методов: 1) дескриптивный анализ и описание исходных данных; 2) анализ связей (корреляционный и регрессионный, фактор- ный, дисперсионный); 3) многомерный статистический (компонентный, дискрими- нантный анализ, многомерный регрессионный, канонические кор- реляции и др.); 4) анализ временных рядов (динамические модели и прогно- зирование). Второе направление Data Mining – это множество подходов, объединенных идеей компьютерной математики и использования теории искусственного интеллекта. К этой группе относятся:  искусственные нейронные сети (распознавание, кластери- зация, прогноз);  эволюционное программирование (в том числе алгоритмы метода группового учета аргументов);  генетические алгоритмы (оптимизация);  ассоциативная память (поиск аналогов, прототипов);  нечеткая логика;  деревья решений;  системы обработки экспертных знаний. Методы Data Mining также можно классифицировать по за- дачам Data Mining. В соответствии с такой классификацией выде- ляем две группы: первая – подразделение методов Data Mining на решающие задачи сегментации (т.е. задачи классификации и кла- стеризации) и задачи прогнозирования. В соответствии со второй классификацией по задачам мето- ды Data Mining могут быть направлены на получение описательных и прогнозирующих результатов.