ис основних завдань аналізу даних. p align="justify">) Задача класифікації зводиться до визначення класу об'єкта за його характеристикам. Необхідно зауважити, що в цьому завданні безліч класів, до яких може бути віднесений об'єкт, заздалегідь відомо. p align="justify">) Завдання регресії, подібно завданню класифікації, дозволяє визначити за відомими характеристиками об'єкта значення деякого його параметра. На відміну від задачі класифікації значенням параметра є не кінцеве безліч класів, а безліч дійсних чисел. p align="justify">) Завдання асоціації. При пошуку асоціативних правил метою є знаходження частих залежностей (або асоціацій) між об'єктами або подіями. Знайдені залежності представляються у вигляді правил і можуть бути використані як для кращого розуміння природи аналізованих даних, так і для передбачення появи подій. p align="justify">) Завдання кластеризації полягає в пошуку незалежних груп (кластерів) та їх характеристик у всій безлічі аналізованих даних. Вирішення цього завдання допомагає краще зрозуміти дані. Крім того, угрупування однорідних об'єктів дозволяє скоротити їх число, а отже, і полегшити аналіз. p align="justify">) Послідовні шаблони - встановлення закономірностей між пов'язаними в часі подіями, тобто виявлення залежності, що якщо відбудеться подія X, то через заданий час відбудеться подія Y.
) Аналіз відхилень - виявлення найбільш нехарактерних шаблонів.
Перераховані завдання за призначенням поділяються на описові та передбачувальні.
Описові (descriptive) завдання приділяють увагу поліпшенню розуміння аналізованих даних. Ключовий момент у таких моделях - легкість і прозорість результатів для сприйняття людиною. Можливо, виявлені закономірності будуть специфічною рисою саме конкретних досліджуваних даних і більше ніде не зустрінуться, але це все одно може бути корисно і тому має бути відомо. До такого виду завдань відносяться кластеризація і пошук асоціативних правил. p align="justify"> Рішення Предсказательная (predictive) завдань розбивається на два етапи. На першому етапі на підставі набору даних з відомими результатами будується модель. На другому етапі вона використовується для передбачення результатів на підставі нових наборів даних. При цьому, природно, потрібно, щоб побудовані моделі працювали максимально точно. До даного виду завдань відносять задачі класифікації і регресії. Сюди можна віднести і завдання пошуку асоціативних правил, якщо результати її рішення можуть бути використані для передбачення появи деяких подій. p align="justify"> За способами вирішення завдання поділяють на supervised learning (навчання з учителем) і unsupervised learning (навчання без учителя). Така назва походить від терміна Machine Learning (машинне навчання), часто використовуваного в англомовній літературі і позначає всі технології Data Mining. p align="justify"> У разі supervised learning завдання аналізу даних вирішуєть...
