Кафедра математических и компьютерных методов курсовая работа методология интеллектуального анализа данных
 Скачать 0.51 Mb.
|
 Используя такой подход, можно устранить сразу оба вышеописанных недостатка скоринговой системы оценки кредитоспособности. То есть: Стоимость адаптации сводится практически к минимуму за счет того, что алгоритмы построения модели классификации (дерево решений) – это самоадаптируемые модели (вмешательство человека минимально) Качество результата достаточно велико за счет того, что алгоритм выбирает наиболее значимые факторы для определения конечного ответа. Плюс ко всему полученный результат является статистически обоснованным. Приведенный выше пример – это вариант того, как можно использовать методы интеллектуального анализа данных, в частности, деревья решений, для достижения поставленной задачи: уменьшения риска при операциях кредитования физических лиц. Хотя и при таком первом приближении наблюдаются положительные результаты. Дальнейшие усовершенствования могут затрагивать такие моменты, как: более точный подбор определяющих заемщика факторов; изменение самой постановки задачи, так, например, вместо двух значений целевого параметра, можно использовать более детальную информацию (Вернул/Не вернул/Не вовремя) или использовать в качестве целевого значения вероятность того, что деньги выплачены вовремя; в данной статье ни слова не говориться об очистке данных, хотя, как показывает практика, использование предобработки исходных данных позволяет значительно улучшить качество результата и является важным этапом при комплексном подходе к решению любой задачи анализа данных. ЗАКЛЮЧЕНИЕ Данная курсовая работа ориентирована на применение интеллектуального анализа в финансовых и организационных структурах предприятий. С учетом того, что в данное время использование искусственного интеллекта является основополагающим успешного функционирования любого масштабного предприятия можно с уверенностью сказать, что интеллектуальный анализ может быть адаптирован под любой запрос пользователя и дать более точный результат, чем человек. Также, интеллектуальный анализ имеет в себе огромное количество всевозможных методов,а, то есть, в дополнение к использованию конкретного инструмента для интеллектуального анализа данных, внутренние пользователи могут также выбрать необходимое из множества методов интеллектуального анализа данных. Наиболее часто используемые методы включают искусственные нейронные сети, древа решений и метод ближайших соседей, которые были разобраны нами во 2 и 3 главе. Данные методы являются наиболее актуальными, точными и, соответственно, прибыльными для любой организации. СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ Богдан Криват, Джеми Макленнен, Чжаохуэй Танг Microsoft SQL Server 2008 :Datamining - интеллектуальный анализ данных СПб. : БХВ-Петербург, 2009 А.А. Барсегян, И.И. Холод, М.Д.Тесс, М.С. Куприянов, С.И. Елизаров Анализ данных и процессов СПб.: БХВ-Петербург, 2009 Фрейдина, Е.В. Исследование систем управления организации. Учебное пособие [Электронный ресурс]: учебное пособие / Е.В Фрейдина — Электрон. текстовые дан. — М. : Омега-Л, 2013. 368 Силич, М.П. Теория систем и системный анализ [Электронный ресурс] : учебное пособие / М.П. Силич, В.А. Силич. — Электрон. текстовые дан. — М. : ТУСУР (Томский государственный университет систем управления и радиоэлектроники), 2011. — 276 с. Архипова, Н.И Теория системного анализа и управления: учеб. пособие для вузов / Н.И Архипова, В.В. Кульба, С.А. Косяченко. – М.: «Издательство ПРИОР», 2008. – 384с. Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям Д. Макленнен, ч..Танг, Б.Криват — Microsoft SQLServer 2008: Data mining — интеллктуальный анализ данных Intuit.ru (электронный ресурс) интеллектуальный анализ https://www.intuit.ru/studies/courses/6/6/info Пособие для аудитов (электронный ресурс) http://intellect-tver.ru/?p=165 Игнатьева, А.В. Теория системного анализа и управления: Учебное пособие для вузов / А.В. Игнатьева, М.М. Максимцов. – М.: ЮНИТИ – ДАНА, 2009. – 157с. ПРИЛОЖЕНИЕ А Дерево решений для кредитования с условиями  |