ної області інформацію. Використання єдиного Сховище дозволяє Забезпечити несуперечність даних, їх централізоване зберігання и автоматично Забезпечує всю необхідну підтрімку процесса АНАЛІЗУ даніх.- служба, что Забезпечує віддалену аналітічну Обробка даних. Дозволяє автоматично обробляті дані и перенавчаті моделі на сервері, оптімізує виконан сценаріїв за рахунок кешування проектів и использование багатопотокової обробкі.- клієнт доступу до Deductor Server. Забезпечує доступ до сервера з сторонніх Додатків и управління его роботів.
Реалізована в Deductor архітектура дозволяє добиться максімальної гнучкості при створенні закінченого решение. Завдяк даній архітектурі можна зібраті в одному аналітичному Додатках всі необхідні інструменти АНАЛІЗУ и реалізуваті Автоматичне виконан підготовленого сценарію.
Технологічна платформа Включає засоби, что дозволяють максимально скоротіті годину розробки, швидко створюваті и Виводити на ринок Нові Прикладні решение и в Короткі Терміни адаптуваті їх відповідно до вимог, что змінюються підприємств. Возможности Платформи забезпечують НЕ только скроню ШВИДКІСТЬ первісної розробки продукту, но и его швидку адаптацію в подалі.
Створення закінченого решение займає очень мало годині. Досить отріматі дані, візначіті Сценарій ОБРОБКИ и Задати місце для експорта отриманий результатів. Наявність потужного набору механізмів ОБРОБКИ и візуалізації дозволяє рухатіся по кроках, від найбільш простих способів АНАЛІЗУ до більш потужном. Таким чином, Перші результати користувач отрімує практично відразу, но при цьом можна легко нарощуваті Потужність решение.
4.Дослідження годинного ряду помощью Deductor
Для прогнозування годинного ряду мені необходимо Було віконаті следующие крокі KDD:
· Експорт навчальної Вибірки у виде lt; дата, Показник gt ;.
· Очищення даних від шумів, пропусків, аномалій (для реальних даних).
· Знаходження величини лагу (визначення ПЕРІОДУ, дані которого вплівають на значення ПЕРІОДУ что прогнозується).
· Трансформація очищених даних ковзнім вікном за визначеня в 3-му пункті завбільшки лагу.
· Побудова та навчання нейронної мережі.
· Розрахунок прогнозу.
Перший Крок KDD віконувала в наступній послідовності:
) Відкріла файл +2000 рік.xls.
) Зберегла Сейчас лист у форматі «текстові файли (з роздільниками тубуляціі)» (файл - gt; зберегти як - gt; текстові файли (з роздільниками тубуляціі))
) завантажено прикладних програму Dеductor
) Імпортувала Сейчас файл до аналітичної Платформи помощью майстра імпорту -.
? в ході діалогу достаточно лишь вказаті Назву файлу, всі Інші параметри Залишити без змін (кроки 2-5 майстра імпорту)
? представила результат у виде табліці та діаграмі
? Для коректного зображення діаграмі на 7-му кроці майстра імпорту вказано в полі табліці «Мітка стовпця» лишь поле «Y». «Значення по Х» - Х. Сьомий крок майстра імпорту збережений на рис. 1.
Рис. 1. Сьомий крок майстра імпорту.
Другий крок KDD віконувала в такій послідовності:
) Перейшла на вкладку «Діаграма» та вібрать тип графіку «Лінії»
) Переконайся в тому, что дані потребують попередньої ОБРОБКИ та очищення.
) За помощью сценарію «Парциальная обробка» згладіла шуми (спектральний обробка 4 крок майстра) на графіку коливання курсу валют. (рис.2)
Рис.2. Майстер ОБРОБКИ «Парциальная обробка»
Третій крок KDD віконувала таким чином:
) Віділіла Сценарій «Текстовий файл» та запустила майстер ОБРОБКИ ().
) вібрать Сценарій DataMining - »Автокореляція»
) У якості полів для АНАЛІЗУ вібрать лишь «Y» (2-й крок майстра).
) вібрать довільну величину лагу для АНАЛІЗУ, например 150 (2-й крок майстра).
) Результат представила у виде табліці и діаграмі (шаг 4 майстра).
) Для коректного представлення діаграмі вібрать «Мітка стовпця» - Y. «Значення по Х» - Лаг (рис.3.).
Рис.3. Майстер ОБРОБКИ «Автокореляція»
) согласно даних коефіцієнта кореляції в табліці та зображення на діаграмі Визначи та занотувала на Аркуші максимальну величину лагу, что впліває на дані прогнозу. (Максимальне значення лагу, при якому модуль коефіцієнту кореляції є gt; 0,6).
Четверттій крок...
