'

Хранилища данных. Лекция 5. Технология Data Mining

Понравилась презентация – покажи это...





Слайд 0

Хранилища данных. Лекция 5. Технология Data Mining Антон Викторович Кудинов, доцент кафедры ВТ


Слайд 1

Содержание Общие понятия История вопроса Приложения Технология (процесс) добычи знаний Решаемые задачи Математические основы (РАД) Data Mining в MSSAS 2


Слайд 2

Что такое Data Mining Data Mining – «добыча данных» Извлечение новых знаний и неочевидных зависимостей из больших объемов сложных данных Предмет интереса: Нетривиальные знания Неявные зависимости Предварительно неизвестные знания Потенциально полезные знания Синонимы Интеллектуальный анализ данных - Business Intelligence Открытие знаний в БД Базы знаний. Извлечение знаний Анализ паттернов 3


Слайд 3

Почему Data Mining? Накопление и доступность больших объемов данных Инструментарий автоматического накопления данных, БД, интернет, компьютеризованное общество Лавинообразный рост объемов данных: терабайты и более Основные источники больших объемов данных Бизнес: интернет, e-коммерция, магазины, OLTP-транзакции Наука: дистанционное зондирование, биоинформатика, моделирование Общество, люди: новости, фотографии Люди «тонут» в необработанных данных Необходим автоматизированный анализ больших наборов данных 4


Слайд 4

Развитие технологий БД 1960-е: Сбор данных, разработка БД, сетевые СУБД 1970-е: Реляционная модель данных, реляционные СУБД 1980-е: Реляционные СУБД, продвинутые модели данных (иерархические, объектно-ориентированные, дедуктивные и др.) Предметно-ориентированные БД (космос, наука, инженерия) 1990-е: Data Mining, Data Warehousing, мультимедиа БД, интернет БД 2000-е Управление потоком данных, извлечение знаний Data Mining Web технологии (XML, интеграции данных) Глобальные информационные системы 5


Слайд 5

Потенциальные приложения Анализ данных и поддержка принятия решений Маркетинг и менеджмент CRM-системы, целевое потребление, анализ корзин покупателя, кросс-продажи, сегментация рынка Анализ и управление рисками Прогнозы, контроль качества, конкурентный анализ, анализ «что-если» Обнаружение мошенничества в транзакциях OLTP систем Другие приложения Text Mining (news группы, e-почта, статьи) и Web Mining Data Mining в поточных данных Биоинформатика и анализ 6


Слайд 6

Приложения: Анализ рынка и менеджмент Источники данных: транзакции продаж, продвижение продукции со скидками, БД в Call-центрах, опросы и изучение общественного мнения Маркетинг Выделить сегменты потребителей со сходными характеристиками: интерес, уровень дохода, привычки потребления и др. Определить паттерны покупок покупателей за период времени Анализ рынка — Найти ассоциации и корреляции по продажам продуктов, выполнить предсказания на основе ассоциативных правил Профилирование потребителей — какие типы потребителей покупают определенные группы продуктов (кластеризация или классификация) Анализ требований потребителей Выявление наилучших продуктов для разных групп потребителей Прогноз, какие факторы привлекают новых клиентов Подготовка отчетности Многомерные итоговые отчеты Статистическая отчетность (тенденции и вариации в данных) 7


Слайд 7

Приложения: Анализ и управление рисками Финансовое планирование и оценка остатков Анализ финансовых потоков и прогнозы Анализ претензий Перекрестный анализ и анализ временных рядов: стратегии и тренды Задачи планирования ресурсов Оценка и поддержка ресурсов Конкурентоспособность monitor competitors and market directions Группировка потребителей в классы и сегментирование ценовой политики Установка ценовых политик на высококонкурентном рынке 8


Слайд 8

Приложения: Обнаружение мошенничества и неожиданных паттернов Подходы: Построение модели и кластеризация данных с неожиданными характеристиками для обнаружения мошенничества Приложения: страхование, торговля, банковские карты,телекоммуникации. Ипотека: риски невозвращения кредита Финансовые операции: нетипичные транзакции Медицинские страховки Разработка скрининговых тестов здоровья пациентов Телекоммуникации: мошенничество Модель типового звонка: место назначения, длительность, день недели и время. Анализ паттернов, отличающихся от типовых. Торговля До 38% воровства – из-за нечестных сотруднков Анти-терроризм 9


Слайд 9

Процесс извлечения знаний 10


Слайд 10

Ключевые шаги в извлечении знаний Изучение предметной области Изучение априорной информации и целей приложения Создание модельных данных (target): селекция данных Очистка данных и предобработка: (до 60% времени!) Уменьшение размерности данных и трансформации Выявление полезных характеристик, инвариантов, методов понижения размерности в модели Суммирование, классификация, регрессия, ассоциации Выбор алгоритмов Data Mining Data Mining: поиск интересных паттернов Оценка паттернов и представление знаний Визуализация, трансформация, удаление избыточных паттернов и т.д. Использование открытых знаний 11


Слайд 11

Data Mining и Business Intelligence 12 Увеличение потенциала поддержки принятия решений End User Business Analyst Data Analyst DBA Принятие решений Презентация данных Техники визуализации Data Mining Открытие информации Извлечение данных Агрегирование, запросы, отчетность Предобработка данных/интеграция, хранилища данных Гетерогенные источники данных


Слайд 12

Data Mining vs. Традиционный анализ данных Огромные объемы данных Требуются масштабированные алгоритмы для террабайтных БД Данные высокой размерности До десятков тысяч измерений Высокая сложность данных Потоковые бинарные данные и данные датчиков Данные временных рядов, временные данные, данные последовательностей событий Структурные данные, графики, социальные отношения, данные со множественными ссылками Гетерогенные источники данных и унаследованные БД Пространственные, пространственно-временные, мультимедиа, текстовые и Web-данные Программное обеспечение, научное моделирование Новые сложные приложения 13


Слайд 13

Общий подход построение модели (= паттерна) прогноз на основе модели выявление данных, не укладывающихся в модель 14


Слайд 14

Задачи Классификация — отнесение входного вектора (объекта, события, наблюдения) к одному из заранее известных классов. Кластеризация — разделение множества входных векторов на группы (кластеры) по степени «похожести» друг на друга. Сокращение описания — для визуализации данных, лаконизма моделей, упрощения счета и интерпретации, сжатия объемов собираемой и хранимой информации. Ассоциация — поиск повторяющихся образцов. Например, поиск «устойчивых связей в корзине покупателя» (англ. market basket analysis) — вместе с пивом часто покупают орешки. Прогнозирование Анализ отклонений — Например, выявление нетипичной сетевой активности позволяет обнаружить вредоносные программы. Визуализация 15


Слайд 15

Математическая основа Разведочный анализ данных 16


Слайд 16

Отличия от традиционной проверки гипотез не предназначен для проверки априорных предположений нужен, когда природа связей между переменными неизвестна («черный ящик») учитывается и сравнивается большое число переменных для поиска закономерностей используются самые разные методы 17


Слайд 17

Многомерный РАД поиск закономерностей в многомерных данных (или последовательностях одномерных данных) кластерный анализ факторный анализ анализ дискриминантных функций многомерное шкалирование логлинейный анализ канонические корреляции пошаговая линейная и нелинейная (например, логит) регрессия анализ соответствий анализ временных рядов деревья классификации 18


Слайд 18

Кластерный анализ включает в себя набор различных алгоритмов классификации общий вопрос – как организовать наблюдаемые данные в наглядные структуры, т.е. развернуть таксономии (древообразная структура классификаций определенного набора объектов) пример – разделение животных на классы, рода и виды приложения – медицина, археология, биология, маркетинг методы – объединение (древовидная кластеризация), двувходовое объединение, метод K средних 19


Слайд 19

Главные компоненты и факторный анализ Главные цели: сокращение числа переменных (редукция данных) определение структуры взаимосвязей между переменными, т.е. классификация переменных 20


Слайд 20

Анализ временных рядов основывается на предположении, что последовательные значения в файле данных наблюдаются через равные промежутки времени (тогда как в других методах нам не важна и часто не интересна привязка наблюдений ко времени) две основные цели анализа временных рядов: определение природы ряда прогнозирование (предсказание будущих значений временного ряда по настоящим и прошлым значениям) предполагает, что данные содержат систематическую составляющую (обычно включающую несколько компонент) и случайный шум (ошибку) 21


Слайд 21

Анализ временных рядов (2) Большинство регулярных составляющих временных рядов принадлежит к двум классам: они являются либо трендом, либо сезонной составляющей Тренд – общая систематическая линейная или нелинейная компонента, которая может изменяться во времени Сезонная составляющая - это периодически повторяющаяся компонента часто присутствуют в ряде одновременно (продажи компании могут возрастать из года в год, но они также содержат сезонную составляющую) 22


Слайд 22

Анализ временных рядов (3) 23


Слайд 23

24


Слайд 24

Data Mining в SQL Server 2005 25


Слайд 25

Задачи Data Mining 26


Слайд 26

Объекты Data Mining 27 Таблица исходных паттернов Data Mining структура Data Mining модель Алгоритм Алгоритм Data Mining модель


Слайд 27

Процесс разработки Data Mining 28


Слайд 28

Планирование Data Mining проекта 29


Слайд 29

Подготовка данных для модели Data Mining 30


Слайд 30

Выбор алгоритма Data Mining 31


Слайд 31

Data Mining и OLAP 32


Слайд 32

Data Mining и ETL 33 Data Mining Integration Services Таблица-источник Таблица-приемник


Слайд 33

Data Mining и Reporting Services 34 Data Mining Таблица-источник Reporting Services Отчет


Слайд 34

Спасибо за внимание! KudinovAV@tpu.ru 35


×

HTML:





Ссылка: