Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 569767)
Консорциум Контекстум Информационная технология сбора цифрового контента
Уважаемые СТУДЕНТЫ и СОТРУДНИКИ ВУЗов, использующие нашу ЭБС. Рекомендуем использовать новую версию сайта.

Методы анализа знаний и данных (200,00 руб.)

0   0
Первый авторЦильковский И. А.
АвторыВолкова В. М.
ИздательствоИзд-во НГТУ
Страниц68
ID205790
АннотацияПриведен системный подход к определению типа и шкал переменных, произведена классификация методов по целям решаемых задач и типам используемых переменных. Рассмотрены различные подходы к решению задачи распознавания образов и классификации наблюдений. Среди них представлены как классические (дискриминантный анализ, логистическая регрессия, кластерный анализ), так и относящиеся к области Data Mining исследования данных (деревья решений и нейронные сети). Кроме того, изложены важные в практических приложениях методы факторного анализа, которые могут использоваться как для снижения размерности, так и для структуризации множества исходных переменных. Рассмотрены возможности прогнозирования для различных типов зависимой переменной с использованием целого спектра методов. Проведен их сравнительный анализ, рассмотрены особенности, указаны способы верификации качества полученных результатов.
Кому рекомендованоДля студентов V курса ФПМИ.
ISBN978-5-7782-1377-7
УДК 519.23(075.8)
ББК22.172я73
Цильковский, И.А. Методы анализа знаний и данных : конспект лекций / В.М. Волкова; И.А. Цильковский .— Новосибирск : Изд-во НГТУ, 2010 .— 68 с. — ISBN 978-5-7782-1377-7 .— URL: https://rucont.ru/efd/205790 (дата обращения: 18.09.2021)

Предпросмотр (выдержки из произведения)

Среди них представлены как классические (дискриминантный анализ, погистическая регрессия, кластерный анализ), так и относящиеся к области Data Mining исследования Данных (Деревья решений И нейронные сети). <...> 11 Определение нонятия Data Mining‘ 12‘ Элементы теории измерений 1‘3‘ ОбЩая структура 3адаЧ„„ 1т4т Основные трудности при проведении Data Mmmg‘ ДИСКРИМИНАНТНЫЙ АНАЛИЗ АААААААААААААААААААААААААААААААААААААААААААААААААААААА „ 21 Введение АААААААААААААААААААААААААААА „ 22‘ Формулирование проблемь 23‘ Каноническая дискриминантная функциятт 2т4т Коэффициенты канонической дискриминантнои функции <...> Общая характеристика методов кластерного анализа 32‘ Выбор переменных. <...> Понятия и своиства неиронных сети 6131 Формальный нейронт 64 Виды функций активации „ 6151 Ограничения модели нейрона „ 6161 Однослойные искусственные нейронные сети 6171 Многослойные искусственные нейронные сети „ 6181 Нелинейная активационная функция. <...> Линейный алгоритм обучения многослойного перцептрона с учителем <...> Рассмотрим сначала С ТОЧКИ зрения теории измерений, ЧТО ПОД ЭТИМ понимается. <...> ЭЛЕМЕНТЫ ТЕОРИИ ИЗМЕРЕНИЙ Необходимость применения теории измерений ДЛЯ анализа Данных рассмотрим на примере экспертного оценивания. <...> Мнения экспертов часто выражены в порядковой шкале, т. e. эксперт может, например, сказать, что один показатель качества продукции более важен, чеМ Другой, но он не в состоянии сказать, во сколько раз. <...> ОСНОВНЫЕ ШКАЛЫ ИЗМЕРЕНИЯ В соответствии с теорией измерений при математическом моделировании реального процесса или явления, прежде всего, следует устаНОВИТЬ ТИПЫ шкал, В КОТОРЫХ измерены те ИЛИ иные величины. <...> ТИП шкалы определяет группу допустимых преобразований шкалы, т.е. таких преобразований, которые не меняют соотношений между объектами измерения. <...> Укажем основные ВИДЫ шкал измерения И СООТВСТСТВУЮЩИЁ группы допустимых преобразований. в Шкала наименований (номинальная, nominal). <...> Числа в этой шкале используются только как метки <...>
Методы_анализа_знаний_и_данных_.pdf
                                       !                
Стр.1
$ ( !" &$ '   % (       % (                       " ($   # # !  # !$   %" (!   DT7I(&' $&&'! "&& &    !   "$'               % '# %                !      !   $ ( !" &$ '  !        !                                                   DT7I(&' $&&'! "&& &       9h‡h Hvvt                   )             )              !     %'                      W        )           
Стр.2
          !  "  #  !  !  ! !  ! "  ! #  ! $  ! %  ! &  ! '  "  "  " !  " "  " #  " $  " %  " &  #  #  # !  # "  # #  # $       "     x                                             9h‡hHvvt   96U6HDIDIB  9h‡hHvvt  $  $  $  '           ! ! " # $ ' ( (  !   !   !   !"  !"  !$  !%  !'  !(  "   "   "!  "#  "$  "&
Стр.3
# %  # &  # '  $  $  $ !  %  %  % !  % "  % #  % $  % %  % &  % '  % (  %  %    % !  % "  &  &  & !  & "  & #             #                                                                  "(  #   #   #!  #!  ##  $   $   $   $"  $#  $%  $%  $&   $'  $(  %    %   %!  %!  %"  %"  %"  %$  %%  %'
Стр.4