Описан подход к анализу данных, позволяющий получить целостную картину об исследуемом процессе. Этот подход дает возможность, используя различные технологии, комбинировать методы анализа и в любом случае выжать максимум из имеющейся информации.
В основе генетического алгоритма лежит метод случайного поиска. Основным недостатком случайного поиска является то, что неизвестно сколько понадобится времени для решения задачи. Для того, чтобы избежать таких расходов времени при решении задачи применяются методы, проявившиеся в биологии. При этом используются методы, открытые при изучении эволюции и происхождения видов. Как известно, в процессе эволюции выживают наиболее приспособленные особи, что приводит к тому что приспособленность популяции возрастает, что позволяет ей лучше выживать в изменяющихся условиях
Объемы современных баз данных, которые весьма внушительны, вызвали устойчивый спрос на новые масштабируемые алгоритмы анализа данных. Одним из популярных методов обнаружения знаний стали алгоритмы поиска ассоциативных правил. Ассоциативные правила позволяют находить закономерности между связанными событиями. Примером такого правила, служит утверждение, что покупатель, приобретающий "Хлеб", приобретет и "Молоко" с вероятностью 75%.
Как ориентироваться в многообразии методов анализа данных? Какой из них выбрать для решения конкретной задачи? Онтология – это точная спецификация некоторой предметной области. Она обеспечивает словарь для представления и обмена знаниями об этой предметной области и множество связей, установленных между терминами в этом словаре.
При обучении нейронных сетей широко используются хорошо известные численные методы безусловной оптимизации. Один из таких методов - метод сопряженных градиентов, выгодно отличающийся более высокой скоростью сходимости.
Описание принципов работы нейронных сетей и способа их обучения при помощи алгоритма обратного распространения ошибки. Способы представления входных данных