Некоторые методы извлечения знаний из больших массивов информации (data mining, интеллектуальный анализ данных): 1
- Ассоциативные правила, или анализ потребительской корзины. 1 Направлен на поиск связей между переменными. 1 Например, позволяет узнать, какие продукты клиенты чаще всего покупают вместе. 1
- Кластерный анализ. 1 Направлен на поиск сходств внутри набора данных и разделение точек данных с общими свойствами на подмножества. 1
- Анализ исключений. 1 Используется для поиска аномалий, то есть данных, не вписывающихся в закономерности. 1
- Предиктивное моделирование. 1 Применяется для классификации будущих событий или прогнозирования ещё неизвестных результатов. 1
- Деревья принятия решений. 1 Используются для классификации или прогнозирования результатов на основе списка заданных критериев. 1
- Нейросети. 1 Это модели для обработки данных в узлах. 1 Когда нейросеть учится под руководством человека, между узлами данных в ней проводятся связи, похожие на связи между нейронами в человеческом мозге. 1
- Регрессионный анализ. 1 Помогает определить наиболее значимые факторы в наборе данных, факторы, которыми можно пренебречь, и взаимодействия между ними. 1
- Классификация. 1 Это распределение точек данных по группам или классам в зависимости от конкретного вопроса или задачи. 1
Также существуют методы анализа больших данных (Big Data Analytics): 3
- Описательная аналитика. 3 Показывает общую картину в данных. 3 Использует статистику для подсчёта, измерения, визуализации. 3
- Диагностическая аналитика. 3 Выявляет причины явлений в данных. 3 Определяет факторы, влияющие на результаты или поведение систем. 3
- Предиктивная аналитика. 3 Прогнозирует будущее на основе прошлого и настоящего. 3 Использует машинное обучение для построения моделей и выработки прогнозов по новым данным. 3
- Прескриптивная аналитика. 3 Предлагает оптимальные решения и действия для достижения нужного результата. 3 Применяет методы оптимизации и поиска лучших вариантов. 3