Задание 1. Базовые методы Data Mining. 3
Задание 2. Создание OLAP-куба. 12
Задание 3. Анализ данных. 17
Список использованных источников. 21
Задание 1. Базовые методы Data Mining
Data Mining переводится как "добыча" или "раскопка данных". Нередко рядом с Data Mining встречаются слова "обнаружение знаний в базах данных" (knowledge discovery in databases) и "интеллектуальный анализ данных". Их можно считать синонимами Data Mining. Возникновение всех указанных терминов связано с новым витком в развитии средств и методов обработки данных.
Цель Data Mining состоит в выявлении скрытых правил и закономерностей в наборах данных. Дело в том, что человеческий разум сам по себе не приспособлен для восприятия больших массивов разнородной информации. Человек к тому же не способен улавливать более двух-трех взаимосвязей даже в небольших выборках. Но и традиционная математическая статистика, долгое время претендовавшая на роль основного инструмента анализа данных, также нередко пасует при решении задач из реальной сложной жизни. Она оперирует усредненными характеристиками выборки, которые часто являются фиктивными величинами (типа средней температуры пациентов по больнице, средней высоты дома на улице, состоящей из дворцов и лачуг и т.п.). Поэтому методы математической статистики оказываются полезными главным образом для проверки заранее сформулированных гипотез (verification-driven data mining).
...
Задание 2. Создание OLAP-куба
Постановка задачи. Создать локальный OLAP-куб в MS Excel для анализа суммарной стоимости проданных товаров сотрудниками фирмы «Борей» клиентам данной фирмы по датам исполнения заказов.
Решение.
Выполним команду Данные-Импорт внешних данных-Создать запрос-Базы данных-Ок и подключимся к базе данных «Борей».
...
Задание 3. Анализ данных
Постановка задачи. Даны данные по жизненному уровню. Выполнить классификацию, используя ППП Statistica или SPSS
Таблица 3 – Данные по жизненному уровню
|
|
X1 |
X2 |
X3 |
X4 |
X5 |
|
Россия |
44,5 |
84,98 |
20,4 |
3,2 |
14,4 |
|
Австралия |
32,5 |
30,58 |
71,4 |
8,5 |
11,6 |
|
Австрия |
33,9 |
38,42 |
78,7 |
9,2 |
56,1 |
|
Азербайджан |
38,8 |
60,34 |
12,1 |
3,3 |
16,4 |
|
Армения |
34,4 |
60,22 |
10,9 |
3,2 |
13,5 |
|
Бельгия |
41 |
29,82 |
79,7 |
8,3 |
65,5 |
|
Болгария |
36,4 |
70,57 |
17,3 |
5,4 |
27,8 |
|
Великобритания |
17,9 |
34,51 |
69,7 |
7,1 |
62,3 |
|
Венгрия |
32,1 |
64,73 |
24,5 |
6 |
39,8 |
|
Германия |
38,1 |
36,63 |
76,2 |
8,6 |
56,9 |
|
Греция |
41,5 |
32,84 |
44,4 |
5,7 |
37,4 |
|
Грузия |
55 |
62,64 |
11,3 |
3,5 |
18,6 |
|
Дания |
36,7 |
34,07 |
79,2 |
6,7 |
54,4 |
|
Ирландия |
15,8 |
39,27 |
57 |
6,7 |
64,2 |
|
Испания |
40,9 |
28,46 |
54,8 |
7,3 |
22,6 |
|
Италия |
49,4 |
30,27 |
72,1 |
8,5 |
46 |
|
Казахстан |
38,1 |
69,04 |
13,4 |
3,3 |
7,9 |
|
Канада |
27,6 |
25,42 |
79,9 |
10,2 |
25,4 |
|
Киргизия |
33,2 |
53,13 |
11,2 |
3,4 |
17 |
К какому классу принадлежит Белоруссия
|
Белоруссия |
43,6 |
60,79 |
20,4 |
5,4 |
22,4 |
Решение.
В условии задачи не оговорены число классов разбиения и вид законов распределения, а также не даны обучающие выборки. В этой связи при классификации использовались методы кластерного анализа.
Список использованной литературы:
Дюк, В.А. Data Mining: учебный курс./В.А. Дюк, А.П. Самойленко. – СПб.: Питер, 2001 Joerg Reinschmidt, Helena Gottschalk, Hosung Kim, Damiaan Zwietering Intelligent Miner for Data: Enhance Your Business Intelligence J June 1999, International Technical Support Organization, SG 245422 Эделстейн Г. Интеллектуальные средства анализа, интерпретации и представления данных в информационных хранилищах ComputerWeek-Москва. 2009. № 16. С. 32-33 Новиков Ф.А., Яценко А.Д. Microsoft® Office 2007 в целом. - СПб : БХВ -Санкт-Петербург, 2009. - 728 с.: ил. Основы экономической информатики: Учеб. пособие / Под ред. А.Н. Морозевича. - Мн.: Мисанта, 2008. - 438 с. Учебный курс «Data Mining»
