ПОДГОТОВКА ИСХОДНЫХ ДАННЫХ В МОДЕЛЯХ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА
Работая с нашим сайтом, вы даете свое согласие на использование файлов cookie. Это необходимо для нормального функционирования сайта, показа целевой рекламы и анализа трафика. Статистика использования сайта отправляется в «Яндекс» и «Google»
НАУЧНЫЙ ЖУРНАЛ ВЕСТНИК ВОРОНЕЖСКОГО ИНСТИТУТА ВЫСОКИХ ТЕХНОЛОГИЙ
cетевое издание
ISSN 2949-4443

ПОДГОТОВКА ИСХОДНЫХ ДАННЫХ В МОДЕЛЯХ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА

Лавлинская О.Ю. ,  Киселева В.И.  

УДК 004.82

  • Аннотация
  • Список литературы
  • Об авторах

В статье дается аналитический обзор таких подходов, как Data Mining, KDID. Рассматриваются тенденции и перспективы Data Mining. Уделяется внимание вопросу подготовки исходных данных в моделях интеллектуального анализа, предлагается авторский подход к подготовке исходных данных, основанный на расчете глобальных и локальных значений среднего по классификационной выборке данных.

1. Han, J. and M. Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann,

2. San. Francisco, 2000 [Электронный ресурс]. Режим доступа http://media.wiley.com/product_data/excerpt/24/04712285/0471228524-1.pdf (Дата обращения 13.05.20).

3. MIKE2.0, Big Data Definition [Электронный ресурс]. Режим доступа: http://mike2.openmethodology.org/wiki/Big_Data_Definition (Дата обращения 13.05.20).

4. Луньков А. Д. Интеллектуальный анализ данных [Электронный ресурс] / А. Д. Луньков, А. В. Харламов // Саратовский национальный исследовательский университет. – Режим доступа: http://elibrary.sgu.ru/uch_lit/1141.pdf (Дата обращения 15.05.20).

5. Keith D. Foote, Big Data Trends in 2020 [Электронный ресурс]. Режим доступа: https://www.dataversity.net/big-data-trends-in-2020 (Дата обращения 14.05.20).

6. Введение в современный Data Mining [Электронный ресурс]. Режим доступа: https://statistica.ru/local-portals/data-mining/ (Дата обращения 12.05.20).

7. GridMiner: An Infrastructure for Data Mining on Computational Grids Peter Brezany1 , Jürgen Hofer1 , A Min Tjoa2 , Alexander Wöhrer1 1 Institute for Software Science, University of Vienna Liechtensteinstrasse 22, A-1090 Vienna, Austria, [электронный ресурс]. Режим доступа http://www.gridminer.org/publications/brezany_apac03.pdf (Дата обращения 13.05.20).

8. Лавлинская О. Ю. Решение задачи классификации данных на основе многослойного персептрона / О. Ю. Лавлинская, В. О. Логвина // Вестник Воронежского института высоких технологий. – № 2 (29). – 2019. – C. 59-64.

9. Dorian Pyle. Data Preparation for Data Mining. – Los Altos, California: Morgan Kaufmann Publishers, 1999.

Лавлинская Оксана Юрьевна


Воронеж, Россия

Киселева Валерия Игоревна


Воронеж, Россия

Ключевые слова: data Mining, big Data, обработка данных, визуализация решений, деревья решений, нейронные сети, KDID, проблема подготовки данных

Для цитирования: Лавлинская О.Ю. , Киселева В.И. , ПОДГОТОВКА ИСХОДНЫХ ДАННЫХ В МОДЕЛЯХ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА. Вестник Воронежского института высоких технологий. 2020;14(2). Доступно по: https://vestnikvivt.ru/ru/journal/pdf?id=1082

90

Полный текст статьи в PDF

Опубликована 30.06.2020