Базовые методы интеллектуального анализа данных

[pic 1]

Министерство образования и науки Российской Федерации

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ

ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ

"ОРЕНБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ"

Факультет математики и информационных технологий

Кафедра информатики

Отчет

«Базовые методы интеллектуального анализа данных»

ОГУ 09.03.02. 6020. 802  О

                                           Руководитель доцент

                                                                       ___________   __О.В Хашкин___

                                                                                                                         подпись                               инициалы фамилия 

                                                                         «______»_________________2020 г.

                                                                      Студент  группы 19ИСТ(м)ИСНИ

                                                                      _____________         О.С.Голубева

                                                                                                                         подпись                               инициалы фамилия

                                                                       «_____»__________________2020 г.

Оренбург 2020

Лабораторная работа 3

Цель работы: ознакомиться с возможностями классификации данных с помощью аналитического пакета Deductor Academic.

Программа работы

1. Выполнить классификацию данных с использованием алгоритма g-mean.

2. Выполнить классификацию данных с использованием алгоритма k-mean.

3. Выполнить классификацию данных с использованием нейронной сети.

Импорт данных в программный комплекс Deductor Academic

Импорт данных является отправной точкой анализа данных. Импорт в Deductor может осуществляться из популярных форматов хранения данных, таких как Excel, Access, MS SQL, Oracle, Текстовый файл и прочих. Импорт данных из текстового файла с разделителями осуществляется путем вызова мастера импорта на панели «Сценарии».

[pic 2]

Рисунок 1 – Импорт данных

[pic 3]

Рисунок 2 – Загруженные данные

Для начала попробуем провести классификацию ирисов, встроенным методом кластеризации g-mean. Более того, не будут даже указано количество кластеров, на которое необходимо разделить данную выборку, проверим эффективность встроенной системы кластеризации, для этого необходимо выбрать в мастере обработок пункт кластеризация.

[pic 4]

Рисунок 3 – Настройка мастера обработки

Далее следует настроить параметры обучения, в данном конкретном случае, параметры по умолчанию отлично подходят. На следующем шаге мастера необходимо выбрать алгоритм кластеризации. На и так заранее известно, что количество кластеров должно равняться «3», но протестируем возможности программы и предоставим ей самой выбрать количество кластеров. Это так же будет полезно, если не известно на какое количество групп следует разбивать выборку.