Cтраница 2
Опираясь на различные математические методы, такие как нейронные сети, деревья решений, линейное программирование, нечеткая логика, удается извлечь из различных, в том числе и очень больших, баз данных ранее неизвестную и достоверную информацию, служащую основой для принятия решений. Поэтому ИАД определяют также как метод поддержки принятия решений, основанный на поиске и анализе зависимостей между данными. Следует отметить, что ИАД основывается на целом комплексе методов прикладной статистики, как традиционных, так и нетрадиционных. В традиционных методах, таких как регрессионный анализ, пользователь сам выдвигает гипотезы относительно зависимостей между данными. Это относится и к современным средствам установления зависимостей, таким как оперативная аналитическая обработка данных ( Оп-Ыпе Analytical Processing, OLAP), которые по существу являются развитием классических методов регрессионного и дисперсионного анализов и т.п. Традиционные методы, основанные на использовании статистических моделей и априорных предположений о свойствах этих моделей, достаточно широко используются в ИАД, но большие надежды в настоящее время возлагаются на нетрадиционные методы. Достаточно часто именно эту группу методов связывают с понятием ИАД. Основополагающая идея, лежащая в основе таких методов, состоит в установлении зависимостей между рядами данных без необходимости предварительного формулирования гипотезы о виде этой зависимости. При этом искомые зависимости далеко не всегда выражаются математическими уравнениями, и в таких случаях точнее говорить о взаимосвязях между данными. Следует также отметить, что большинство из так называемых нетрадиционных методов ИАД довольно давно разрабатывались прикладными статистиками и в этом смысле они являются вполне традиционными. При этом их эффективность, например при решении достаточно сложных экономометрических задач, подтверждена результатами большого числа исследований. [16]