Зміст
ВСТУП 4
РОЗДІЛ 1. ОСНОВНІ ПОНЯТТЯ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ 6
1.1 Поняття інтелуктуального аналізу даних 6
1.2 Поняття даних 8
Самостійна робота №1. Надбудова інтелектуального аналізу даних для Microsoft Office 11
ПИТАННЯ ДЛЯ САМОКОНТРОЛЮ 21
ЛІТЕРАТУРА 22
РОЗДІЛ 2. ВИКОРИСТАННЯ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ В СКБД MICROSOFT SQL SERVER 2012 23
2.1 Задачі інтелектуального аналізу даних 23
2.2 Інтелектуальний аналіз даних засобами СКБД Microsoft SQL Server 2012 27
Самостійна робота №2. Використання інструментів “Analyze Key Influencers” та “Detect Categories” 29
ПИТАННЯ ДЛЯ САМОКОНТРОЛЮ 37
ЛІТЕРАТУРА 38
РОЗДІЛ 3. ОСНОВНІ ЕТАПИ ПРОВЕДЕННЯ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ 40
Самостійна робота № 3. Використання інструментів “Fill From Example” та “Forecast” 44
Самостійна робота № 4. Використання інструментів аналізу “Highlight Exceptions” та “Scenario Analysis” 51
ПИТАННЯ ДЛЯ САМОКОНТРОЛЮ 62
ЛІТЕРАТУРА 62
РОЗДІЛ 4. МЕТОДИ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ: СПРОЩЕНИЙ АЛГОРИТМ БАЄСА ТА ДЕРЕВА РІШЕНЬ 64
4.1 Спрощений алгоритм Баєса 64
4.2 Алгоритм дерева рішень 66
Самостійна робота №5. Використання інструментів Data Mining Client для Excel 2007 для підготовки даних 70
ПИТАННЯ ДЛЯ САМОКОНТРОЛЮ 79
ЛІТЕРАТУРА 80
РОЗДІЛ 5. МЕТОДИ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ: ЛІНІЙНА РЕГРЕСІЯ ТА АНАЛІЗ ЧАСОВИХ РЯДІВ 81
5.1 Метод лінійної регресії 81
5.2 Методи аналізу часових рядів 83
Самостійна робота №6. Використання інструментів DMC Excel 2007 для створення моделі інтелектуального аналізу даних 88
ПИТАННЯ ДЛЯ САМОКОНТРОЛЮ 95
ЛІТЕРАТУРА 96
РОЗДІЛ 6. МЕТОДИ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ: МЕТОДИ КЛАСТЕРИЗАЦІЇ, АЛГОРИТМ ВЗАЄМОЗВ’ЯЗКІВ ТА КЛАСТЕРИЗАЦІЯ ПОСЛІДОВНОСТЕЙ 97
6.1 Методи кластеризації …97
6.2 Алгоритм взаємозв’язків 100
6.3 Алгоритм кластеризації послідовностей 101
Самостійна робота №7. Побудова моделі кластеризації, трасування і перехресна перевірка 103
ПИТАННЯ ДЛЯ САМОКОНТРОЛЮ 112
ЛІТЕРАТУРА 113
РОЗДІЛ 7. МЕТОДИ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ: ШТУЧНІ НЕЙРОННІ МЕРЕЖІ ТА ЛОПСТИЧНА РЕГРЕСІЯ 114
7.1 Штучні нейронні мережі 114
7.2 Метод логістичної регресії 117
Самостійна робота №8. Аналіз точності прогнозу і використання моделі інтелектуального аналізу 117
ПИТАННЯ ДЛЯ САМОКОНТРОЛЮ 124
ЛІТЕРАТУРА 125
РОЗДІЛ 8. КОНЦЕПЦІЇ МОВИ DATA MINING EXTENSIONS 126
8.1 Базові поняття мови Data Mining Extensions 126
8.2 Мова DMX: створення структури 130
8.3 Мова DMX: створення моделі 133
Самостійна робота №9. Початок роботи в ВІ Dev Studio 136
ПИТАННЯ ДЛЯ САМОКОНТРОЛЮ 144
ЛІТЕРАТУРА 145
РОЗДІЛ 9. ЗАПИТИ МОВИ DATA MINING EXTENSIONS 146
9.1 Мова DMX: обробка, очищення, видалення та відновлення структур і моделей 146
9.2 Мова DMX: запити 149
9.3 Мова DMX: запити для прогнозу 154
Самостійна робота №10. Створення уявлення джерела даних 158
ПИТАННЯ ДЛЯ САМОКОНТРОЛЮ 163
ЛІТЕРАТУРА 164
РОЗДІЛ 10. ОСОБЛИВОСТІ ВИКОРИСТАННЯ ВБУДОВАНИХ АЛГОРИТМІВ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНІХ В СКБД MICROSOFT SQL SERVER 2012 165
10.1 DMX. Параметри алгоритмів інтелектуального аналізу даних: спрощений метод Баєса, алгоритм дерева рішень, метод лінійної регресії 165
10.2 DMX. Параметри алгоритмів інтелектуального аналізу даних: часові ряди, алгоритм кластеризації 168
10.3 DMX. Параметри алгоритмів інтелектуального аналізу даних: алгоритм взаємозв’язків, кластеризація послідовностей 172
10.4 DMX. Параметри алгоритмів інтелектуального аналізу даних: алгоритми нейронних мереж, логістична регресія 174
Самостійна робота №11. Робота з моделями інтелектуального аналізу даних з SQL Server Management Studio 177
Самостійна робота №12. Використання алгоритму Microsoft Time Series для прогнозування значень часових рядів 184
ПИТАННЯ ДЛЯ САМОКОНТРОЛЮ 189
ЛІТЕРАТУРА 190
РОЗДІЛ 11. СТВОРЕННЯ СТРУКТУРИ 1 МОДЕЛІ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ 191
Самостійна робота №13. Завдання класифікації. Створення структури і моделей інтелектуального аналізу. Порівняння точності моделей 205
ПИТАННЯ ДЛЯ САМОКОНТРОЛЮ 214
ЛІТЕРАТУРА 214
БІБЛІОГРАФІЧНИЙ СПИСОК 215
ПІСЛЯМОВА 218