Методи машинного навчання для прогнозування у дата-майнінгу

Abstract

У роботі узагальнено питання виявлення нової та потенційно корисної інформації з обширних обсягів даних, що підкреслює важливість розвитку інструментів інтелектуального аналізу даних для комплексних соціально-економічних процесів і систем, спрямованих на принципи цифрової економіки, та їх обробки за допомогою мережевих додатків. Описано етапи інтелектуального аналізу даних, які враховують складні соціально-економічні процеси і системи. Проаналізовано цикл обробки даних, що включає послідовні кроки від введення необроблених даних до отримання корисної інформації. Знання, отримані на етапі обробки даних, слугують основою для створення моделей складних соціальноекономічних процесів і систем. Розрізняють два типи моделей (описові та прогнозні), які можуть бути розроблені в рамках інтелектуального аналізу даних.

The article summarizes the issue of identifying new and potentially useful information from large data sets, which emphasizes the importance of developing data mining tools for complex socio-economic processes and systems based on the principles of the digital economy and their processing using network applications. The stages of data mining that take into account complex socio-economic processes and systems are described. The author analyzes the data processing cycle, which includes successive steps from entering raw data to obtaining useful information. The knowledge gained at the data processing stage serves as the basis for creating models of complex socio-economic processes and systems. There are two types of models (descriptive and predictive) that can be developed as part of data mining.