Збереження даних (Data Retention)

У той час, як при дистиляції шаблонів ми аналізуємо Дані, виділяємо необхідний зразок і потім залишаємо їх, то, за­стосовуючи метод збереження, дані зберігаються для зіставляння з шаблоном. Коли надходять нові елементи даних, то вони порів­нюються з попереднім рядом даних.

Метод «найближчого сусіда» (самий схожий сусід, «nearest neighbor») — добре відомий приклад підходу, який ґрунтується на збереженні даних. При цьому ряд даних тримається в пам'яті Для порівняння з новими елементами даних. Коли презентується новий запис для передбачення, знаходяться «відхилення» між ним і подібними низками даних, а найподібніший ідентифікується.

Міркування за аналогією (case-based reasoning — CBR) або мір. кування за прецедентами (аналогічними випадками). Даний метод має дуже просту ідею: щоб зробити прогноз на майбутнє або ви­брати правильне рішення, система CBR знаходить близькі анало­гії в минулому за різних умов і відбирає ту відповідь, яка за схо­жими ознаками була правильною. Інструментальні засоби міркування за прецедентами знаходять записи в базі даних, які подібні до описаних записів. Користувач описує, яким сильним зв'язок має бути перед тим, як новий випадок пропонується увазі. Цей тип інструментальних засобів також називається міркуван­ням на основі пам'яті (memory-based reasoning).

Кластерний аналіз — це спосіб групування багатовимірних об'єктів, що базується на поданні результатів окремих спостере­жень точками геометричного простору з наступним виділенням груп як «грон» цих точок. Термін «кластерний аналіз» запропо­нований К. Тріоном 1939 року (cluster, англ. — гроно, скупчення, пучок). Синонімами (хоч з обмовками і не завжди) є вирази: ав­томатична класифікація, таксономія, розпізнавання без навчання, розпізнавання образів без учителя, самонавчання та ін. У дейта-майнінгу використовується, головно, для класифікації (так­сономії).

Основна мета кластерного аналізу — виділити у початкових багатовимірних даних такі однорідні підмножини, щоб об'єкти всередині груп були схожими за певними ознаками, а об'єкти з різних — несхожими. Під «схожими» розуміється близькість об'єктів у багатовимірному просторі ознак, і тоді завдання зво­диться до виділення в цьому просторі природних скупчень об'єктів, які і вважаються однорідними групами. В кластерному аналізі використовуються десятки різних алгоритмів і методів (один з таких методів — K-Means реалізований у системі дейта-майнінгу KnowledgeSTUDIO).

Поиск по сайту: