Как междисциплинарный предмет. Интеллектуальный анализ данных объединяет базы данных, статистику искусственного интеллекта и другие области, а также абстрагирует базы данных, человеческий интеллект и математическую статистику. Основная причина интеллектуального анализа данных — это правила ассоциации, принятие решений, кластеризация и обман. основанное обучение. 1J!Йезианское обучение, грубый набор, сеть усов, генетический алгоритм, статистический анализ и другие технологии. Принять выборку данных f1j (выбрать образцы данных), исследование данных, исследование налогооблагаемых данных, кластерный анализ и выбор 1, корректировку данных (подразделение и разделение групп данных), смоделированную [человеческую] нейронную сеть. Модель принятия решений, анализ математической статистики и время. анализ последовательности и оценка (синтез и оценка выводов, стоит ли ремонтировать корабль и возникают ли новые проблемы) и другие пять основных процессов, возможно, потребуется повторить, чтобы получить качество воды и постоянно решать проблему с помощью корреляционного анализа. Классификационный анализ, прогнозирование и обнаружение отклонений, взаимосвязь между данными и структурой данных в настоящее время являются наиболее распространенными. FHn: J Технологии интеллектуального анализа данных включают в себя: модульную логику и методы грубого набора, генетические алгоритмы, алгоритмы поиска близости и т. д. Функционально. говоря, методы анализа данных делятся на четыре типа: корреляционный анализ, анализ последовательности, анализ разделов и кластерный анализ. Правила ассоциации: правила ассоциации, которые представляют отношения данных, используются в прямых коммерческих приложениях. Наиболее типичным примером является обнаружение сети магазинов. посредством анализа данных установлена внутренняя связь между подгузниками I flag и пивом N.
Расширять
