Білім беру бағдарламасы бойынша студенттерге арналған «Ақпараттық коммуникациялық технологиялар»
жүктеу/скачать 3.3 Mb. Pdf көрінісі
|
| Деректерді талдау туралы түсінік. Деректерді талдау – бұл деректерді талдаудың
көптеген алуан түрлерін қамтитын кең термин. Ақпаратты кез-келген түріне жақсарту үшін пайдаланылатын түсінік алу үшін деректерді талдау əдістемесіне ұшыратуға болады. Деректерді талдау əдістері ақпарат массасында жоғалып кететін үрдістер мен көрсеткіштерді анықтай алады. Содан кейін бұл ақпаратты бизнестің немесе жүйенің жалпы тиімділігін арттыру процестерін оңтайландыру үшін пайдалануға болады. Мысалы, өндіруші компаниялар əр түрлі машиналардың жұмыс уақытын, тоқтап қалуын жəне жұмыс кезегін жиі тіркейді, содан кейін машиналар жұмыс қабілеттілігіне жақын жұмыс істеуі үшін жүктемелерді жақсы жоспарлау үшін деректерді талдайды. Деректер аналитикасы өндірістегі кедергілерді көрсетуден гөрі көп нəрсе жасай алады. Ойын жасайтын компаниялар ойыншылардың басым бөлігін белсенді ұстайтын ойыншыларға сыйақы кестесін белгілеу үшін деректерді талдауды пайдаланады. Мазмұнды шығаратын компаниялар сізді басқа көріністі немесе басқа шертуді алу үшін мазмұнды басу, қарау немесе қайта ұйымдастыру үшін көптеген мəліметтер аналитикасын пайдаланады. Деректерді талдау өте маңызды, себебі бұл бизнеске тиімділігін арттыруға көмектеседі. Оны бизнес-модельге енгізу дегеніміз – компаниялар бизнесті жүргізудің тиімдірек жолдарын анықтап, көптеген мəліметтерді сақтау арқылы шығындарды азайтуға көмектеседі. Сондай-ақ, 46 компания бизнес-шешімдерді жақсы қабылдау жəне тұтынушылар тенденциясы мен қанағаттануын талдауға көмектесу үшін деректер аналитикасын қолдана алады, бұл жаңа жəне жақсы өнімдер мен қызметтерге əкелуі мүмкін. Деректерді талдау процесі бірнеше түрлі қадамдарды қамтиды: Бірінші қадам – деректерге қойылатын талаптарды немесе деректердің қалай топтастырылғанын анықтау. Деректерді жасына, демографиялық, табысына немесе жынысына қарай бөлуге болады. Деректер мəндері сандық болуы немесе санатқа бөлінуі мүмкін. Деректерді талдаудың екінші сатысы – оны жинау процесі. Мұны компьютерлер, интернет көздері, камералар, қоршаған орта көздері немесе персонал арқылы алуан түрлі көздер арқылы жасауға болады. Деректер жиналғаннан кейін, оны талдауға болатындай етіп жүйелеу керек. Ұйым электрондық кестеде немесе статистикалық мəліметтерді қабылдай алатын бағдарламалық жасақтаманың басқа түрінде болуы мүмкін. Содан кейін деректер талдаудан бұрын тазартылады. Бұл оның қайталануы немесе қателігі жоқтығына жəне оның толық емес екендігіне көз жеткізіп, тексеріп, тексергендігін білдіреді. Бұл қадам қателіктерді талдауға дайын болғанға дейін түзетуге көмектеседі. Жинау, жіктеу жəне болжау əдістері. Шешімдер ағаштары. Үлкен көлемді деректерді өңдеу. Жіктелуі. Жіктеуді нақты класта анықтау үшін атрибуттар санын сипаттайтын тұтынушы өнімнің немесе объекті түрінің идеясын алу үшін пайдаланылуы мүмкін. Мысалы, автомобильдер оңай түрлі атрибуттарды (орындық, дене стилі, жетекші дөңгелектер) анықтайтын түрі (седан, SUV, айырбасталатын) бойынша жіктеледі. Жаңа автокөлікті зерттеу, сіз сондай-ақ белгілі анықтамаға сəйкес атрибуттарын салыстыру арқылы белгілі бір класқа оны қабылдауыңызға болады. Сол принциптерді сатып алушыларға мысалы, жасына жəне əлеуметтік топқа жіктеп қолдануға болады. Сонымен қатар, басқа да жіктеу əдістерін кіріс ретінде пайдаланылуы мүмкін. Мысалы, сыныптау шешімінің ағашына жатқызуға болады. Болжам - бұл алаяқтықты анықтау үшін аппараттық құрамдас ақаулықтары созылып жатқан кең тақырып болып табылады, тіпті компанияның пайда болуын болжауға. деректер тау-кен болжау басқа əдістермен ұштастыра трендті талдау, жіктеу, іріктеу жəне модель қатынастарын қамтиды. Өткен оқиғалар немесе элементтерді талдау арқылы сіз болашақты болжауыңызға болады. Мысалы, несиелік карта авторизациялау туралы деректерді пайдалана отырып, сіз алаяқтық операцияларды анықтау үшін тарихи өрнектермен жіктеу жəне салыстыруын операциялардың шешім ағаш талдауымен біріктіруге болады. АҚШ-тағы авиабилеттерді сатып алу АҚШ-тағы транзакцияға сəйкес келе, бұл операциялар шынайы емес болуы мүмкін. Шешім ағаштары. Шешім ағаш əдісі (шешім ағаштары) жіктеу жəне болжау проблемаларын шешу үшін ең танымал əдістерінің бірі болып табылады. Кейде бұл əдіс, сондай-ақ Data Mining ағаштары шешім ережелерін, жіктеу жəне регрессиялық ағаштары деп аталады. Осы əдісті пайдалана отырып жіктеу жəне болжау мəселесін шешуге болады. жүктеу/скачать 3.3 Mb. Достарыңызбен бөлісу:
|