4 Кластерный анализ в бизнес-аналитике

Содержание

• Інформаційні системи та технології в управлінні методичні вказівки
• 1 Введення до систем підтримки прийняття рішень 4
• 2 Бізнес - прогнозування 25
• 3 Кластерний аналіз в бізнес-аналітиці 43
• 4 Вирішення задач класифікації
• 5 Література 120
• 1 Введение в Системы Поддержки Принятия Решений (сппр)
• 1.1 Определение сппр
• 1.2 Классификация сппр
• 1.3 Архитектура сппр
• 1.4 Анализ данных – основные принципы
• 1.5 Базовые методы анализа
• 1) Online Analytical Processing
• 2) Knowledge Discovery in Databases
• 3) Data Mining
• 1.6 Примеры задач, где применяются методы Data Mining
• 1.7 Программа Deductor – платформа для создания сппр
• 1.8 Контрольные вопросы
• 2 Корреляционный анализ
• 2.1 Теоретические сведения
• 2.3 Задание для самостоятельной работы
• 2.4. Контрольные вопросы
• 3 Бизнес - Прогнозирование
• 3.1 Теоретические сведения
• 3.2 Компьютерные пакеты для решения задач прогнозирования
• 3.3 Временные ряды
• 3.3.1 "Наивные" модели прогнозирования
• 3.3.2 Средние и скользящие средние
• 3.3.3 Моделирование временного ряда
• Ar(p) -авторегрессионая модель порядка p. Модель имеет вид:
• 3.3.4 Нейросетевые модели прогнозирования
• 3.3.6 Предобработка данных
• 3.4 Пример прогнозирования с помощью линейной регрессии
• 3.4.1 Импорт данных из файла
• 3.4.2 Настройка параметров столбцов
• 3.4.3 Расчет автокорреляции столбцов
• 3.4.4 Удаление аномалий
• 3.4.5 Сглаживание данных – удаление шумов
• 3.4.6 Преобразование данных к скользящему окну
• 3.4.7 Прогнозирование с помощью линейной регрессии
• 3.5 Прогнозирование с помощью нейронных сетей
• 3.5.1 Исходные данные
• 3.5.2 Удаление аномалий и сглаживание
• 3.5.3 Обучение нейросети (прогноз на 1 месяц вперед)
• 3.5.4 Построение прогноза
• 3.5.5 Результат
• 3.5.6 Выводы
• 3.6 Задание к лабораторной работе
• 3.7 Контрольные вопросы
• 4 Кластерный анализ в бизнес-аналитике
• 4.1. Теоретические основы
• 4.2 Меры близости в алгоритмах кластеризации
• 4.3 Алгоритмы кластеризации
• 4.4 Решение типовой задачи кластеризации в Deductor
• 4.4.1 Кластеризация
• 4.4.2 Выводы
• 4.6 Задания для самостоятельной работы
• 4.7 Контрольные вопросы
• 5 Методы решения задач классификации
• 5.1 Опис процесу класифікації
• 5.2 Оцінка якості моделі класифікації
• 5.3 Скоринговые модели для оценки кредитоспособности заемщиков – пример задачи классификации на основе логистической регрессии
• 5.3.1 Постановка задачи
• 5.3.2 Скоринговая карта на основе логистической регрессии
• 5.3.3 Построение модели в системе Deductor.
• 5.4 Классификация на основе дерева решений
• 5.4.1 Процесс конструирования дерева решений
• 5.4.2 Скоринговая модель на основе дерева решений
• 5.3.4 Интерактивное дерево решений
• 5. Задания к лабораторной работе
• 5.5 Контрольные вопросы
• 5 Литература