Интерфейсы инструмента в веб-приложении и настольном приложении совпадают, а различия в функциональности сопровождаются соответствующими уточнениями.

Назначение и основные возможности интеллектуального анализа данных

Интеллектуальный анализ данных (Data Mining) - процесс выявления скрытых фактов и взаимосвязей в больших массивах данных. Полученные данные могут использоваться для принятия решений в различных сферах человеческой деятельности.

Информация, найденная в процессе применения методов интеллектуального анализа, нетривиальна и ранее неизвестна. Полученные знания описывают новые связи между свойствами, предсказывают значения одних признаков на основе других и т.д. Также знания применимы и на новых данных с некоторой степенью достоверности. Полезность заключается в том, что эти знания могут приносить определенную выгоду при их применении.

Работа с интеллектуальным анализом доступна в настольном и веб-приложении из инструментов продукта «Форсайт. Аналитическая платформа»: «Аналитические панели», «Аналитические запросы (OLAP)», «Отчеты», «Анализ временных рядов».

С помощью методов интеллектуального анализа данных можно решать следующие задачи:

С помощью метода интеллектуального анализа данных можно получить ROC-кривую (англ. receiver operating characteristic) или кривую ошибок - график, позволяющий оценить качество бинарной классификации и отображающий соотношение между долей объектов от общего количества носителей признака, верно классифицированных, как несущих признак, и долей объектов от общего количества объектов, не несущих признака, ошибочно классифицированных, как несущих признак при варьировании порога решающего правила.

В методах Data Mining, принимающих на вход только категориальные данные, числовые входные данные будут преобразовываться в категориальные с помощью процедуры Binning. Процедура заключается в том, что входной массив данных разбивается на заданное число диапазонов (групп) в соответствии с правилами разбиения. Полученные диапазоны далее используются в методах Data Mining как отдельные категории.

Примерами категориальных данных могут служить:

См. также:

Запуск и порядок работы | Выбор типа анализа