1 / 17

Data Mining – подготовка данных

Data Mining – подготовка данных. Последовательность работы. Гипотеза, предположение. Сбор и систематизация данных. Подбор модели. Тестирование, интерпретация результатов. Использование. Выдвижение гипотез. Максимально использовать знание экспертов о предметной области

heidi-farmer
Download Presentation

Data Mining – подготовка данных

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Data Mining –подготовка данных

  2. Последовательность работы Гипотеза, предположение Сбор и систематизация данных Подбор модели Тестирование, интерпретация результатов Использование

  3. Выдвижение гипотез • Максимально использовать знание экспертов о предметной области • Полагаться на здравый смысл • Отталкиваться от опыта и интуиции специалистов • Собрать и систематизировать максимум возможных предположений и гипотез

  4. Сбор и систематизация. Подбор факторов • Абстрагироваться от существующих информационных систем и имеющихся в наличии данных • Описать все факторы, возможно влияющие на анализируемый процесс/объект • Экспертно оценить значимость каждого фактора

  5. Сбор и систематизация. Подбор факторов • Определить способ представления информации – число, дата, да/нет, категория • Собрать все легкодоступные факторы, например, из учетных систем • Обязательно собрать наиболее значимые с точки зрения экспертов факторы • Оценить сложность и стоимость сбора средних и наименее важных по значимости факторов

  6. Сбор и систематизация. Методы сбора • Получение из существующих информационных систем • Извлечение необходимых сведений из косвенных данных • Использование открытых источников • Проведение социологических, маркетинговых и подобных исследований • Ввод данных «вручную»

  7. Сбор и систематизация данных. Формат Данные должны быть собраны в единую таблицу в формате MS Excel, DBase, текстовые файлы с разделителямиили в набор таблиц в любой реляционной СУБД. Необходимо унифицировать представление данных – один и тот же объект должен описываться везде одинаково.

  8. Сбор упорядоченных данных Задачи классификации, кластеризации и регрессии. В случае анализа временных рядов каждому столбцу соответствует один фактор, а в каждую строку заносятся упорядоченные по времени события с единым интервалом между строками. Факторы Время

  9. Сбор упорядоченных данных Если для процесса характерна сезонность/цикличность, необходимо иметь данные хотя бы за один полный сезон/цикл с возможностью варьирования интервалов (понедельное, помесячное…). Максимальный горизонт прогнозирования зависит от объема данных: • данные на 1,5 года – прогнозмаксимум на 1 месяц • данные за 2-3 года – прогноз максимум на 2 месяца

  10. Сбор неупорядоченных данных Задачи классификации, кластеризации и регрессии. В случае анализа не связанных по времени событий каждому столбцу соответствует фактор, а в каждую строку заносится пример (ситуация, прецедент). Упорядоченность строк не требуется. Факторы Прецедент

  11. Сбор неупорядоченных данных • Количество примеров (прецедентов) должно быть значительно больше количества факторов. • Желательно, чтобы данные покрывали как можно больше ситуаций реального процесса. • Пропорции различных примеров (прецедентов) должны примерно соответствовать реальному процессу.

  12. Сбор транзакционных данных Задача поиска ассоциативных правил. Под транзакцией подразумевается несколько объектов или действий, являющихся логически связанной единицей. Очень часто данный механизм используется для анализа покупок (чеков) в супермаркетах. Но в общем случае речь может идти о любых связанных объектах или действиях. Одна транзакция

  13. Сбор транзакционных данных Анализ транзакций целесообразно производить на большом объеме данных, иначе могут быть выявлены статистически необоснованные правила. Алгоритмы поиска ассоциативных связей способны быстро перерабатывать огромные массивы данных. Примерное соотношение между количеством объектов и объемом данных: • 300-500 объектов – более 10 тыс. транзакций • 500-1000 объектов – более 300 тысяч транзакций

  14. Подбор модели • Уделить большое внимание очистке данных • Комбинировать методики анализа • Не гнаться за абсолютной точностью и начать использование при получении первых приемлемых результатов • При невозможности получения приемлемых результатов вернуться на предыдущие шаги схемы

  15. Тестирование, интерпретация • Для оценки полученных результатов использовать знания экспертов • Тестировать построенные модели на различных выборках для оценки их обобщающих способностей • При невозможности получения приемлемых результатов вернуться на предыдущие шаги схемы

  16. Использование • При получении приемлемых результатов начать использование • Периодически оценивать адекватность модели текущей ситуации. Даже самая удачная модель со временем перестает ей соответствовать. • Постоянно работать над улучшением модели

  17. BaseGroup Labs BaseGroup Labs – профессиональный поставщик Data Warehouse, OLAP, KDD, Data Mining решений и инструментов. Web-сайт: www.basegroup.ru Образование: edu.basegroup.ru E-mail: info@basegroup.ru

More Related