Применение алгоритмов

После получения релевантных данных для анализа необходимо применить соответствующие алгоритмы, позволяющие выявить присутствующие в них модели.

Определение подходящего алгоритма в каждом конкретном случае может быть очень непростой задачей. Нередко для анализа данных применяется сочетание целого ряда алгоритмов. Например, сначала можно использовать алгоритмы временных рядов для сглаживания данных, а затем – регрессионные алгоритмы для поиска трендов в них.

В следующей таблице приводятся рекомендации по выбору алгоритма в соответствии со стоящими перед вами задачами.
Назначение Алгоритм
Прогнозирование по времени Алгоритмы временных рядов
  • Однократное экспоненциальное сглаживание
  • Двукратное экспоненциальное сглаживание
  • Тройное экспоненциальное сглаживание
Прогнозирование последовательных переменных на основании значений других переменных набора Регрессионные алгоритмы
  • Линейная регрессия
  • Экспоненциальная регрессия
  • Геометрическая регрессия
  • Логарифмическая регрессия
  • Множественная линейная регрессия
  • Полиномиальная регрессия
  • Логистическая регрессия
Поиск распространенных моделей наборов элементов в крупных транзакционных наборах данных для создания правил ассоциации Ассоциативные алгоритмы
  • Apriori
  • AprioriLite
Кластеризация наблюдений в группы схожих наборов элементов Алгоритмы кластеризации
  • Алгоритм K-средних
Классификация и прогнозирование одной или нескольких дискретных переменных на основе значений других переменных набора Деревья принятия решений
  • Алгоритм HANA C 4.5
  • Дерево CNR (R)
  • CHAID
Обнаружение посторонних значений в наборе данных Алгоритмы обнаружения посторонних значений
  • Межквартильный размах
  • Посторонние значения по методу ближайшего соседа
  • Обнаружение аномалий
  • Дисперсионный критерий
Прогнозирование, классификация и распознавание статистических моделей Алгоритмы нейронной сети
  • Нейронная сеть на основе алгоритма нейронной сети NNet (R)
  • Нейронная сеть на основе алгоритма монотонного многослойного перцептрона (R)
Если релевантный алгоритм не найден, можно создать собственный пользовательский алгоритм с помощью скрипта R в Expert Analytics и выполнить анализ импортированных данных. Для получения дополнительной информации по добавлению пользовательского компонента см. Указание свойств в мастере создания компонента R
  1. Откройте вкладку Прогноз и дважды щелкните нужный компонент алгоритма в списке компонентов справа.
    Выбранный компонент добавляется в редактор и соединяется с предыдущим компонентом анализа.
  2. В контекстном меню компонента алгоритма выберите Настроить свойства.
  3. В диалоговом окне "Свойства компонента" введите значения свойств компонента алгоритма.
  4. Нажмите Готово.
  5. Для просмотра результатов анализа выберите (выполнить анализ).