Формирование знаний
DCM метод
Data mining & knowledge Discovery
Индуктивное формирование понятий
ID3, Quinlan
Определение риска по данным кредитной истории клиента
№ п/п |
Кредит. история |
Долг |
Поручитель |
Доход (тыс $) |
Риск |
1 |
Плохая |
Высокий |
Нет |
0-15 |
Высокий |
2 |
Неизвестная |
В |
Н |
15-35 |
В |
3 |
Н |
Низкий |
Н |
15-35 |
Средний |
4 |
Н |
Н |
Н |
0-15 |
В |
5 |
Н |
Н |
Н |
>35 |
Низкий |
6 |
Н |
В |
Есть |
>35 |
Н |
7 |
Н |
Н |
Н |
0-15 |
В |
8 |
Н |
Н |
Е |
>35 |
С |
9 |
Хорошая |
Н |
Н |
>35 |
Н |
10 |
Х |
В |
Е |
>35 |
Н |
11 |
Х |
В |
Н |
0-15 |
В |
12 |
Х |
В |
Н |
15-35 |
С |
13 |
Х |
В |
Н |
>35 |
Н |
14 |
П |
В |
Н |
15-35 |
В |
0-15
>35
Доход 
15-35
н
п
х
х
п
н
В КИ КИ
н
в
Долг В С В С Н
В С
DCM – метод (Финн В.К., РГГУ)
КАТ=<А, Рдв, Н, Рпв >
Рпв(1)(1 рода) – индукция (выявление причины явления)
Р
БД с неполной информацией
База знаний
пв(2) – аналогия (предсказание новых свойств)Рпв(1)
Принцип достаточности оснований (до стабилизации абдукции)
Рпв(2)
Обучение выборки
объекты |
цвет |
твердость |
гладкость |
форма |
фрукт |
Явлоко |
Желтый |
Нет |
Да |
Круг |
Да |
Грейпфрут |
Желтый |
Нет |
Нет |
Круг |
Да |
Киви |
Зеленый |
Нет |
Нет |
Овал |
Да |
Слива |
Зеленый |
Нет |
Да |
Овал |
Да |
Кубик |
Зеленый |
Да |
Да |
Квадрат |
Нет |
Яйцо |
Белый |
Да |
Да |
Овал |
Нет |
Тен. мяч |
Белый |
Нет |
Нет |
Круг |
Нет |
Если О есть (Ж&Нетверд&Круг)v(Нетверд&Некруг) то О есть фрукт
Если О есть Бел v (Тверд&Гладк&Некруг) то О есть не фрукт
Манго = (Ж&Нетверд&Глад&Овал) фрукт
Необожженный кирпич=( Бел&Тверд&Глад&Прямоуг) не фрукт
Обожженный кирпич=( Красн&Тверд&Неглад&Прямоуг) не фрукт
Твердый
да нет
Цвет Форма
бел не бел
Н е фрукт Гладкий Фрукт Цвет
да нет желт не желт
Форма Не фрукт Фрукт Гладкий
Фрукт Не фрукт Фрукт Не фрукт