16(17). Автоматизированная система поддержки управленческих решений.

Системы поддержки принятия решений (СППР) ориентированы на использование менеджерами, которые также не обязаны быть высококвалифицированными специалистами в области, которой им приходится управлять (в США их не более 15%). Менеджеры должны быть высококвалифицированными управленцами.

Современные системы поддержки принятия решения (СППР) представляют собой системы, максимально приспособленные к решению задач повседневной управленческой деятельности, являются инструментом, призванным оказать помощь лицам, принимающим решения (ЛПР). С помощью СППР может производиться выбор решений некоторых неструктурированных и слабоструктурированных задач, в том числе и многокритериальных.

СППР, как правило, являются результатом мультидисциплинарного исследования, включающего теории баз данных, искусственного интеллекта, интерактивных компьютерных систем, методов имитационного моделирования.

Система поддержки принятия решений предназначена для поддержки многокритериальных решений в сложной информационной среде. При этом под многокритериальностью понимается тот факт, что результаты принимаемых решений оцениваются не по одному, а по совокупности многих показателей (критериев) рассматриваемых одновременно. Информационная сложность определяется необходимостью учета большого объема данных, обработка которых без помощи современной вычислительной техники практически невыполнима. В этих условиях число возможных решений, как правило, весьма велико, и выбор наилучшего из них "на глаз", без всестороннего анализа может приводить к грубым ошибкам.

Система поддержки решений СППР решает две основные задачи:

- выбор наилучшего решения из множества возможных (оптимизация),

- упорядочение возможных решений по предпочтительности (ранжирование).

В обеих задачах первым и наиболее принципиальным моментом является выбор совокупности критериев, на основе которых в дальнейшем будут оцениваться и сопоставляться возможные решения (будем называть их также альтернативами). Система СППР помогает пользователю сделать такой выбор.

18. см 2

19. Точность моделей, созданных при помощи деревьев решений, сопоставима с другими методами построения классификационных моделей (статистические методы, нейронные сети).

Рассмотрев основные проблемы, возникающие при построении деревьев, было бы несправедливо не упомянуть об их достоинствах:

* быстрый процесс обучения;

* генерация правил в областях, где эксперту трудно формализовать свои знания;

* извлечение правил на естественном языке;

* интуитивно понятная классификационная модель;

* высокая точность прогноза, сопоставимая с другими методами (статистика, нейронные сети);

* построение непараметрических моделей.

В силу этих и многих других причин, методология деревьев решений является важным инструментом в работе каждого специалиста, занимающегося анализом данных, вне зависимости от того практик он или теоретик.

Деревья решений успешно применяются для решения практических задач в следующих областях:

* Банковское дело. Оценка кредитоспособности клиентов банка при выдаче кредитов.

* Промышленность. Контроль за качеством продукции (выявление дефектов), испытания без разрушений (например проверка качества сварки) и т.д.

* Медицина. Диагностика различных заболеваний.

* Молекулярная биология. Анализ строения аминокислот.