Когда получил большую базу данных для анализа, то какие конкретно алгоритмы слабого искусственного интеллекта можно использовать?

Для анализа большой базы данных можно использовать различные алгоритмы слабого искусственного интеллекта, например:

• Apriori. tproger.ru Позволяет узнать об ассоциативных правилах в данных, то есть найти товары, которые покупают вместе чаще, чем другие. tproger.ru
• AdaBoost. tproger.ru Это алгоритм усиления классификаторов, который объединяет несколько алгоритмов обучения (например, деревья решений). tproger.ru Цель — взять группу слабых учеников и объединить их для создания одного сильного ученика. tproger.ru
• kNN (k ближайших соседей). tproger.ru Алгоритм для классификации, который хранит маркированные данные и при введении новых немаркированных данных смотрит на k ближайших маркированных точек данных. tproger.ru Потом, используя классы соседей, kNN получает лучшее представление о том, как новые данные должны быть классифицированы. tproger.ru

Перед выбором алгоритма нужно детализировать цель анализа. yandex.ru Для этого проводят разведочный анализ, чтобы понять, насколько данные надёжны: нет ли пропусков, выбросов, какие существуют взаимосвязи между признаками. yandex.ru

Также для анализа больших объёмов данных можно использовать машинное обучение, глубокое обучение, нейронные сети и генетические алгоритмы. school-science.ru