Система анализа данных по иерархической системе комплексных показателей Стыскин Андрей Игоревич К11-283

Функциональная модель Построить модель Оптимизировать параметры Обучающая выборка Значение простых показателей Параметры модели Оценка кв. отклонения Значение Интегральной оценки Модель ПОПараметры модели

Постановка задачи оптимизации Исходные данные: Функция, выраженная в неявном виде: - веса j-ого ребенка у i-ого комплексного критер и я - j-ый коэффициент жесткости

Алгоритм оптимизации Порядок обхода дерева при оптимизации Генетический алгоритм - кроссинговер Метод Хука-Дживса поиска экстремума

Анализ алгоритма Сходимость Влияние шума

Задача ценообразования подержанных автомобилей по данным

Сравнение с классическими методами Data Mining

Место в классификации методов Data Mining АлгоритмТочность Масштабируе мость Интерпр етируем ость Трудоем кость ГибкостьБыстрота УПРАВЛЯ- ЕМОСТЬ Классические методы (линейная регрессия) Нейтральнаявысокая высокая / нейтральн ая Нейтральн ая нейтральнаявысокаяНизкая Нейронные сети Высокаянизкая Нейтраль- ная низкаяочень низкаяНизкая Методы визуализации Высокаяочень низкаявысокая очень высокая низкая чрезвычайно низкая Низкая Деревья решений Низкаявысокая Высокаявысокая высокая / нейтральная высокая cobro нейтральнаянизкаявысокая Нейтра- льная нейтральна я Очень низкаявысокая

Выводы Предложена иерархическая система комплексных показателей для задач квалиметрии и ценообразования Разработан алгоритм определения параметров модели по обучающей выборке Реализована программная система для работы с моделью Решена задача ценообразования подержанных автомобилей Произведено сравнение с классическими алгоритмами Data Mining по различным параметрам