Prognostic analysis of data by ID3O
Vyacheslav Kuzovlev, Anton Orlov · Science and Education of the Bauman MSTU · 2012
Прогнозный анализ данных применяется в системах поддержки принятия решений.Суть прогнозного анализа заключается в формировании суждений о будущих фактах на основе анализа некоторого набора исходных данных.Такой набор данных называется обучающим множеством, а процесс анализа исходных данных называется обучением с учителем.В процессе обучения строится прогнозная модель, которая далее используется для формирования прогнозов.В данной статье рассматривается модель решающего дерева (decision tree model) [1-3].Деревья решений организованы в виде иерархической структуры, состоящей из узлов принятия решений по оценке значений определенных переменных для прогнозирования результирующего значения.Любое дерево решений выводит прогнозируемое значение, полученное в результате оценки некоторых входных атрибутов.Каждый уровень в дереве может рассматриваться как одно из решений; узел принятия решений обеспечивает проверку условия, а каждое ребро обозначает один из возможных вариантов.Узлы принятия решений содержат критерии выбора, а ребра выражают взаимоисключающие результаты проверки соответствия этим критериям.Существует достаточно много алгоритмов, реализующих принципы модели деревьев решений [1-3]: ID3, С4.5, ДРЕВ, ID5R, Reduce.Все эти алгоритмы построения дерева решений не предполагают возможности наличия искажений в данных.Отсутствующие или искаженные данные оказывают существенное влияние на конечный вид построенного дерева решений и, как следствие, на результат работы модели.В реальных системах поддержки принятия решений формирование прогнозной модели подвержено влиянию искажений в данных, по которым строится прогнозная