Specialiseringsstudier

Varje studie är att observera egenskaperna hos föremål i syfte att klargöra och utvärdera meningsfulla relationer och interaktioner mellan indikatorer för dessa egenskaper.

Specialisering innehåller objekt som skiljer sig i deras egenskaper och på ett visst sätt är i vissa avseenden varandra. Beslutet programmeringsuppgifter börjar med en studie av ämnesområdet.

Specialisering - detta är en del av den verkliga världen, som är oändlig och innehåller både viktiga och oviktiga uppgifter. Forskaren måste kunna avsätta en betydande del av dem. Till exempel att lösa problemet med lånet, kommer att betraktas all relevant information om privatliv klienten (om det finns ett jobb med en make, minderåriga barn om kunden medför, klient utbildning, etc.). Och för att lösa andra uppgifter i samband med bankverksamhet, kommer sådana uppgifter att vara ganska betydande. Data betydelse beror på vad vi väljer som ämnesområdet.

Under studien måste du skapa en domänmodell. Kunskap från olika källor bör formaliseras. Specialisering formaliseras med hjälp av något sätt. Fonder kan vara mycket olika. Detta kan vara en textbeskrivning av domänen eller specialiserad grafisk notation. Med domänmodell beskriver de processer som sker i det, liksom data från studien området studeras.

Uttalande av problemet är också en beskrivning av det statiska och dynamiska beteende objekt som vi undersöker. Beskrivning statisk beteende innebär egenskaper objekt och deras egenskaper. Vid beskrivning av den dynamiska beteende känne orsaker beteende objekt.

Det dynamiska beteendet av föremål beskrivs ofta tillsammans med den statiska beteende.

Ibland domän och uppgiftsanalys kombineras i ett steg.

Steget att bestämma och analysera data krav som ställs modelleringsdata som krävs för Data Mining. För denna studie problemen med fördelning av användare, analytiska egenskaper hos systemet; dataåtkomst frågor som behövs för analysen.

Specialisering analyserar enklare och mer effektivt när en organisation har ett datalager. Men inte alla företag har en sådan datalager. I detta fall, källan till de ursprungliga data är operationella databaser, referens- och arkivmaterial, det vill säga data från de befintliga IS (informationssystem).

Ytterligare information kan behövas från EG huvuden externa och interna källor, olika pappersdokument, samt specialistkunskaper och / eller resultaten av opinionsundersökningar.

Du måste också vara medveten om att i processen av data förberedelse mjukvaruutvecklare måste beskriva så mycket som möjligt faktorer som påverkar processen. Det kan finnas vissa kodnings data. Till exempel, en av de egenskaper hos klienten - inkomstnivå, som kan definieras som: mycket låg, låg, medel, hög, mycket hög. I detta fall är det nödvändigt att bestämma nyansnivån inkomst.

Vid fastställandet rätt mängd data måste ta hänsyn till data beställning.

I händelse av att de beställs, är det nödvändigt att veta om ingår i en uppsättning av säsongs / cykliska komponentdata. När de inte är beställda, dvs uppsättning händelser från databasen är inte kopplad till tidslinjen, sedan under loppet av insamlingen måste uppfylla följande regler:

1) ett litet antal poster i databasen kan vara orsaken till skapandet av en otillräcklig modellen;

2) noggrannheten hos modellen kan förbättras genom att öka antalet av data;

3) gamla data uteslutna från uppsättningen;

4) algoritmer som används för att skapa en modell med mycket stora databaser, ska kunna zooma.