Аналіз даних - Мічківський С.М.

Аналіз даних охоплюють такі задачі, як перетворення, зберігання, аналіз, моделювання та отримання інформації при прийнятті рішень на основі фактичних даних.

В ході вивчення дисципліни Аналіз даних ми сконцентруємо свою увагу на вивчені напрямку Data Mining де найчастіше вирішує завдання:

• Кластеризація – це групування об'єктів (спостережень, подій) на основі даних (властивостей), що описують сутність об'єктів. Об'єкти усередині кластера повинні бути "схожими" один на одного і відрізнятися від об'єктів, що увійшли в інші кластери. Чим більше схожі об'єкти всередині кластера і чим більше відмінностей між кластерами, тим точніше кластеризація.
• Класифікація – встановлення функціональної залежності між вхідними і дискретними вихідними змінними, що відповідають певним класам. За допомогою класифікації вирішується завдання віднесення об'єктів (спостережень, подій) до одного з заздалегідь відомих класів.
• Асоціація – виявлення залежностей між пов'язаними подіями, що вказують, що з події X слідує подія Y. Такі правила називаються асоціативними. Вперше ця задача була запропонована для знаходження типових шаблонів покупок, що здійснюються в супермаркетах, тому іноді її ще називають аналізом споживчого кошика (market basket analysis).