Глава 7. Менеджмент как средство повышения качества

К ластеризаиия отличается от классификации тем, что сами груп­пы заранее не заданы. С помощью кластеризации средства Data Mining самостоятельно выделяют различные однородные группы данных.

Основой для всевозможных систем пуогнозирования служит ис­торическая информация, хранящаяся в БД в виде временных рядов. Если удается построить математическую модель и найти шаблоны, адекватно отражающие эту динамику, есть вероятность, что с их по­мощью можно предсказать и поведение системы в будущем.

7.7.4. Классы систем интеллектуального анализа данных

Предметно-ориентированные аналитические системы очень разно­образны. Наиболее широкий подкласс таких систем называется «техническим анализом». Он представляет собой совокупность не­скольких десятков методов прогноза динамики цен и выбора опти­мальной структуры инвестиционного портфеля, основанных на раз­личных эмпирических моделях динамики рынка. Эти методы могут быть весьма просты (например, методы, использующие вычитание трендовог'о значения), но могут иметь достаточно оригинальную мате­матическую основу [5].

Статистические пакеты. Хотя последние версии почти всех из­вестных статистических пакетов включают наряду с традиционными статистическими методами также элементы Data Mining, основное внимание в них уделяется все же классическим методикам: корреля­ционному, регрессионному, факторному анализу и др. Недостатком систем этого класса считают требование к специальной подготовке пользователя. Также отмечают, что мощные современные статистиче­ские пакеты являются слишком «тяжеловесными» для массового при­менения в финансах и бизнесе.

Есть еще более серьезный принципиальный недостаток статистиче­ских пакетов, ограничивающий их применение в Data Mining. Боль­шинство методов, входящих в состав пакетов, опираются на статисти­ческую парадигму, в которой главными объектами служат усреднен­ные характеристики выборки. А эти характеристики при исследовании реальных сложных жизненных феноменов часто являются фиктивны­ми величинами. В следующих разделах будут специально более под­робно обсуждены эти вопросы.

В качестве примеров наиболее мощных и распространенных ста­тистических пакетов можно назвать SAS (компания SAS Institute), SPSS (SPSS), STATGRAPICS, STATISTICA, STADIA и др. [5].

Нейронные сети. Это большой класс систем, архитектура кото­рых пытается имитировать построение нервной ткани из нейронов. На нейроны самого нижнего слоя подаются значения входных пара­метров, на основе которых нужно принимать какие-то решения, про­гнозировать развитие ситуации и т. д. Эти значения рассматриваются как сигналы, передающиеся в вышележащий слой, ослабляясь или усиливаясь в зависимости от числовых значений (весов), приписы-

277

И. И. Мазур, В. Д. Шапиро. Управление качеством

в аемых межнейронным связям. В результате на выходе нейрона са­мого верхнего слоя вырабатывается некоторое значение, которое рас­сматривается как ответ, реакция всей сети на введенные значения входных параметров. Для того чтобы сеть можно было применять в дальнейшем, ее прежде надо «натренировать» на полученных ранее данных, для которых известны и значения входных параметров, и правильные ответы на них. Эта тренировка состоит в подборе весов межнейронных связей, обеспечивающих наибольшую близость отве­тов сети к известным правильным ответам.

Основным недостатком нейросетевой парадигмы является необхо­димость иметь очень большой объем обучающей выборки. Другой су­щественный недостаток заключается в том, что даже натренирован­ная нейронная сеть представляет собой черный ящик. Знания, за­фиксированные как веса нескольких сотен межнейронных связей, совершенно не поддаются анализу и интерпретации человеком (из­вестные попытки дать интерпретацию структуре настроенной нейро-сети выглядят неубедительными).

Системы рассуждений на основе аналогичных случаев. Идея систем на первый взгляд крайне проста. Для того чтобы сделать про­гноз на будущее или выбрать правильное решение, эти системы на­ходят в прошлом близкие аналоги текущей ситуации и выбирают тот же ответ, который был для них правильным. Поэтому данный метод еще называют методом «ближайшего соседа». Эти системы показыва­ют хорошие результаты в самых разных задачах.

Главным их минусом считают то, что они вообще не создают ка­ких-либо моделей или правил, обобщающих предыдущий опыт. В выборе решения они основываются на всем массиве доступных исто­рических данных, поэтому невозможно сказать, на основе каких кон­кретно факторов CBR системы строят свои ответы. Другой минус за­ключается в произволе, который допускают эти системы при выборе меры «близости». От этой меры самым решительным образом зави­сит объем множества прецедентов, которые нужно хранить в памяти для достижения удовлетворительной классификации или прогноза. Примеры систем [5]: KATE tools (Acknosoft, Франция), Pattern Recognition Workbench (Unica-, США).

Деревья решений. Деревья решений являются одним из наиболее популярных подходов к решению задач Data Mining. Они создают иерархическую структуру классифицирующих правил типа «ЕСЛИ..., ТО...», имеющую вид дерева (это похоже на определитель видов из ботаники или зоологии). Для того чтобы решить, к какому классу от­нести некоторый объект или ситуацию, требуется ответить на вопро­сы, стоящие в узлах этого дерева, начиная с его корня. Вопросы име­ют вид: «Значение параметра А больше X?». Если ответ положитель­ный, осуществляется переход к правому узлу следующего уровня, если отрицательный, то к левому узлу; затем снова следует вопрос, связанный с соответствующим узлом.

278