- •Донбасская государственная машиностроительная академия Теория принятия решений
- •Краматорск 2010
- •Лабораторная работа № 1 Экспертные процедуры принятия решений. Методы обработки экспертной информации: одномерное шкалирование
- •Алгоритм метода одномерного шкалирования
- •Пример выполнения задания
- •Лабораторная работа № 2 Принятие решений на основе теории полезности
- •Краткие теоретические сведения Анализ и решение задач с помощью дерева решений
- •Основные определения концепции полезности
- •Лабораторная работа № 3 Принятие оптимального решения на основе теории игры
- •Краткие теоретические сведения
- •Лабораторная работа №4 Принятие многоцелевых решений
- •Краткие теоретические сведения
- •Пример выполнения задания
- •Лабораторная работа № 5 Принятие решений на основе метода динамического программирования
- •Пример выполнения задания
- •Data Mining в банковском кредитовании
- •Обработчик и визуализатор «Дерево решений»
- •Обработчик «Группировка»
- •Обработчик «Сортировка»
- •Визуализатор «Карта Кохонена»
- •Визуализатор «Правила»
- •Визуализатор «Таблица сопряженности»
- •Визуализатор «Что-если»
- •Обработчик «Автокорреляция»
- •Обработчик «Парциальная предобработка»
- •Обработчик «Скользящее окно»
- •Обработчик «Нейросеть»
- •Обработчик «Прогнозирование»и визуализатор «Диаграмма прогноза»
- •Обработчик «Разгруппировка»
- •Лабораторная работа № 7 создание сппр для экспертной оценки объектов
- •Лабораторная работа № 8 Создание сппр для принятия решений по кредитованию
- •Самостоятельная работа
- •Список рекомендуемой литературы
Пример выполнения задания
Заданы зависимости между суммой инвестиционных вложений, которые выделяются на развитие предприятия, и получением прибыли (табл.1). Найти вариант распределения капитальных вложений между подразделениями, при котором будет обеспечено получение максимальной экономии.
Таблица – Исходные данные
Капитальные вложения, тыс. грн. |
Прибыль, тыс. грн. |
|||
А |
Б |
В |
Г |
|
0 |
0 |
0 |
0 |
0 |
200 |
12 |
14 |
13 |
18 |
400 |
33 |
39 |
38 |
40 |
600 |
40 |
46 |
45 |
44 |
800 |
60 |
64 |
60 |
65 |
1000 |
70 |
80 |
75 |
85 |
Решение. Планируемая система состоит из 4х подразделений. Начальная точка S0 соответствует состоянию системы, когда имеются капитальные вложения x=1 млн. грн., которые предстоит распределить между четырьмя подразделениями. Конечная точка Sk соответствует состоянию системы, когда все капитальные вложения израсходованы т.е. x=0. Решение задачи разбивается на 4 этапа, каждый из которых соответствует одному из четырех подразделений. Сумма капитальных вложений 0; 200; …; 1000 тыс. грн., следовательно, и возможные остатки нераспределенных на начало каждого периода капитальных вложений могут принимать значения соответственно 1000; …; 0 тыс. грн.
Управление на –том этапе Хi сводится к нахождению такого варианта распределения имеющейся на начало этапа суммы капиталовложений xik (k=0;200;…;1000) междму -м подразделение и последующим, при котором общая экономия была бы максимальной. А в целом, задача сводится к нахождению пути от S0 до Sk, по которому обеспечивается распределение капитальных вложений между четырьмя подразделениями с получением максимальной экономии, следовательно, применимы следующие функциональные уравнения:
, ,
, .
Решение начинается с последнего, четвертого этапа. Какая бы сума капиталовложений ни оставалась на начало четвертого этапа, она должна быть выделена четвертому предприятию. Каждой сумме капиталовложений соответствует единственное значение дополнительной экономии. Далее переходят к планированию на этапе 3. После окончания этапа 2, т.е. после выделения средств первому и второму подразделению может остаться тыс. грн. Необходимо из каждой возможной суммы третьему подразделению выделить столько (), чтобы суммарная эффективность от использования этих средств на третьем этапе и средств () на четвертом этапе была максимальной: .
Если на начало третьего этапа останется 200 тыс. грн., их можно передать третьему подразделению =200, тогда четвертому будет выделено 200–200=0, суммарная эффективность составит 13+0=13. Если же третьему подразделению не выделять из этой суммы ничего, т.е. =0, и все деньги передать четвертому, то . Эффект составит 0+18=18:
.
Аналогично находятся условно оптимальные управления при других значениях :
;
;
;
.
Определим оптимальные размеры капиталовложений, выделяемых второму подразделению. Найдем для каждого из допустимых значений тыс. грн.:
;
;
;
;
.
Переходим теперь к нахождению значений , используя результаты расчетов на предыдущем этапе. Так как по условию начальная сумма капиталовложений 1000 тыс. грн., то производим вычисления лишь для одного значения тыс. грн.
.
Таким образом, максимальная экономия составляет 95 тыс.грн. При этом капитальные вложения распределятся между предприятиями следующим образом: предприятие Г – 200 тыс.грн; предприятие В – 400 тыс.грн.; предприятие Б– 400 тыс.грн; предприятие А – 0 тыс.грн.
Лабораторная работа № 6
Задачи классификации и Прогнозирования в Deductor
Цель работ: научиться применять методы Data Mining для решения задач сегментирования и классификации на примере задачи банковского кредитования (скоринга); научиться применять методы Data Mining для решения задач прогнозирования временных рядов на примере построения модели прогноза объема продаж.
Задание 1.
В папке C:\Program Files\BaseGroup\Deductor\Samples\ расположен файл Trade1.txt– данные, содержащие историю продаж за некоторый период.
Требуется на основе исторических данных построить прогноз количества продаж на будущие n (n=2..5) периодов. Оцените точность прогноза.
Для выполнения задания понадобятся следующие обработчики:
-
скользящее окно;
-
парциальная предобработка;
-
нейросеть;
-
прогнозирование.
Результаты визуализировать с использованием всех возможностей Deductor. Сделать выводы.
Задание 2.
В папке C:\Program Files\BaseGroup\Deductor\Samples\ расположен файл: Credit.txt – хранилище данных, содержащее информацию о выдаче и возврате кредитов физическим лицам (кредитная история).
Ознакомьтесь с приведенным ниже необходимым теоретическим материалом, который содержит актуальность решения задачи банковского кредитования методами Data Mining и ее методику, описания обработчиков и визуализаторов Deductor для выполнения индивидуального задания.
Постройте дерево решений для объяснения результатов сегментации. Для обучения используйте 80% от всех данных, остальные – для тестирования. Дальнейшее задание выполните согласно варианту. Для визуализации результатов используйте все доступные средства Deductor.
Вариант № 1, 4, 8, 15, 17, 20
Постройте многомерный отчет и кросс-диаграмму распределения по целям кредитования. Постройте модель дерева решений для оценки кредитоспособности заемщика по 5 измерениям и фактам (обосновать их выбор).
Вариант № 2, 3, 6, 11, 14, 18
Постройте многомерный отчет и кросс-диаграмму распределения заемщиков по возрастным группам. Постройте модель дерева решений для оценки кредитоспособности по 7 измерениям и фактам (обосновать их выбор).
Вариант № 5, 7, 13, 19, 21, 25
Постройте многомерный отчет и кросс-диаграмму распределения заемщиков по половому признаку и наличию/отсутствию транспортного средства. Постройте модель дерева решений для оценки кредитоспособности по 8 измерениям и фактам (обосновать их выбор).
Вариант № 10, 12, 16, 22, 25, 27
Постройте многомерный отчет и кросс-диаграмму распределения заемщиков по целям кредитования и полу заемщика. Постройте модель дерева решений для оценки кредитоспособности по 6 измерениям и фактам (обосновать их выбор).
Вариант № 9, 23, 24, 26
Постройте многомерный отчет и кросс-диаграмму распределения заемщиков по целям кредитования и должностям. Постройте модель дерева решений для оценки кредитоспособности по 4 измерениям и фактам (обосновать их выбор).
Для каждой модели проведите оценку качества и точности (обработчик «что-если», таблица сопряженности). Результатом проделанной работы должен стать сценарий Deductor. Сделать выводы.