прикладів на підмножини за значенням вибраної ознаки.
В· Перевірка належності кожного підмножини прикладів одного з класів.
В· Перевірка закінчення процесу класифікації за збігом класифікаційної ознаки.
В· При розбіжності ознак процес повторюється знову.
Прикладом інструментальних засобів, що підтримують індуктивний висновок знань, є
1. 1 st Class (Programs in Motion)
. Rule master (Radian Corp.)
3. Іліас (Argus Soft)
. KAD (ІПС Переяславль-Залеський)
Нейронні мережі - в результаті навчання на прикладах будуються математичні вирішальні функції (передавальні функції або функції активації), які визначають залежності між вхідними і вихідними ознаками (сигналами).
В
Кожна така функція, звана за аналогією з елементарною одиницею людського мозку - нейроном, відображає залежність значення вихідного ознаки від зваженої суми значень вхідних ознак, в якій вага вхідного ознаки показує ступінь впливу вхідного ознаки на вихідний.
Щоб створити нейронну мережу для вирішення якої-небудь конкретного завдання, слід вибрати спосіб з'єднання і підібрати значення параметрів міжнейронних сполук.
Приклади:
1. В«Система прогнозування динаміки біржових курсів для Chemical BankВ»
. Система прогнозування для Лондонської фондової біржі В»
. В«Управління інвестиціями для Mellon BankВ»
У системах, заснованих на прецедентах БЗ містить описи конкретних ситуацій (прецедентів).
Пошук рішення грунтується на базі аналогій і включає наступні етапи:
1. Отримання інформації про поточну проблемі.
. Зіставлення отриманої інформації зі значеннями ознак прецедентів з бази знань.
. Вибір прецеденту з бази знань, найбільш близького до розглянутої проблеми.
. Адаптація вибраного прецеденту до поточної проблеми.
. Перевірка коректності кожного отриманого рішення.
. Занесення детальної інформації про здобутий вирішенні в БЗ.
Прецеденти описуються безліччю ознак, за якими будуються індекси швидкого пошуку.
Ці системи, на відміну від індуктивних, допускають нечіткий пошук з отриманням альтернатив, кожна з яких оцінюється деяким коефіцієнтом впевненості.
Найбільш ефективні рішення адаптуються до реальних ситуацій за допомогою спеціальних алгоритмів.
Інформаційні сховища - на відміну від інтелектуальної бази даних інформаційне сховище являє собою сховище витягнутої значимої інформації з оперативної бази даних, яке призначене для оперативного аналізу даних. Вилучення знань з баз даних здійснюється регулярно.
Типовими завданнями оперативного ситуаційного аналізу є:
1. Визначення профілю споживачів конкретного товару
. Передбачення змін ситуації на ринку.
. Аналіз залежностей ознак ситуації.
Для вилучення значущої інформації з баз даних використовуються спеціальні методи, засновані на застосуванні багатовимірних статистичних таблиць, або індуктивних методів побудови дерев рішень, або нейронних мереж.
Технологія OLAP - надає користувачеві засоби формування та перевірки гіпотез про властивості даних або відносини між ними на основі різноманітних запитів до бази даних. Вони застосовуються на ранніх стадіях процесу вилучення знань, допомагаючи визначити найбільш важливі змінні. Засоби Data Mining відрізняються від OLAP тим, що крім перевірки передбачуваних залежностей вони здатні самостійно генерувати гіпотези про закономірності, існую...
