1 / 17

Data Mining. Instruments

Data Mining. Instruments. PolyAnalyst. PolyAnalyst Workplace. PolyAnalyst . Аналитический инструментарий. Моделирование Прогнозирование Кластеризация Классификация Текстовый анализ. Модули для построения числовых моделей. Find Laws (FL) PolyNet Predictor (PN)

tad
Download Presentation

Data Mining. Instruments

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Data Mining. Instruments

  2. PolyAnalyst

  3. PolyAnalyst Workplace

  4. PolyAnalyst. Аналитический инструментарий • Моделирование • Прогнозирование • Кластеризация • Классификация • Текстовый анализ

  5. Модули для построения числовых моделей • Find Laws (FL) • PolyNet Predictor (PN) • Stepwise Linear Regression (LR) • Memory based Reasoning (MR)

  6. PolyAnalystАлгоритмы кластеризации • Find Dependencies (FD) • Find Clusters (FC)

  7. PolyAnalystАлгоритмы классификации • Classify (CL) • Discriminate (DS) • Decision Tree (DT) • Decision Forest (DF)

  8. PolyAnalystАлгоритмы ассоциации • Market Basket Analysis (BA) • Transactional Basket Analysis (TB)

  9. PolyAnalystМодули текстового анализа • Text Analysis (ТА) • Text Categorizer (TC) • Link Terms (LT) • Text OLAP • Taxonomies

  10. PolyAnalystОбщесистемные характеристики

  11. KXENПредпосылки 1990 – В. Вапник, “Статистическая Теория Обучения” Опора на Теорию минимизации структурного риска В. Вапника (Structured Risk Minimization).

  12. KXENТипы аналитических задач • Задачи регрессии/классификации (в т.ч. определение вкладов переменных); • Задачи сегментации/кластеризации; • Анализ временных рядов; • Поиск ассоциативных правил (анализ потребительской корзины).

  13. KXEN

  14. KXEN. Структура

  15. KXEN. Компоненты • Агрегирования Событий • Кодирования Последовательностей • Согласованного Кодирования • Робастной Регрессии • Интеллектуальной Сегментации • Опорных Векторов • Анализа Временных Рядов • Экспорта Моделей

  16. Data Mining.Области применения • Розничная торговля • Банковское дело • Телекоммуникации • Страхование • Другие приложения в бизнесе • Медицина • Молекулярная генетика и генная инженерия • Прикладная химия

  17. Data Mining.Примеры приложений • Моделирование отклика • Оценка заказчика • Сегментация клиентов

More Related