3. Контрольні запитання

1. Алгоритм ID3

2. Недоліки алгоритму ID3

3. Технологія мінімізації таблиці та вилучення суперечностей

4. Які проблеми виникають при обробці великих таблиць?

5. Як будується матриця розрізнення?

4. Лабораторне завдання

Написати програму реалізації алгоритму ID3. Перед побудовою дерева провести мінімізацію та ліквідувати суперечності у вхідній матриці. Вхідна матриця будується відповідно до наступної предметної області, атрибути визначаються відповіддю на питання - які параметри впливають на ...

Таблиця 4.1. Варіанти індивідуальних завдань

1	Придбання книги
2	Придбання автомобіля
3	Гру в баскетбол
4	Ловлю хижої риби
5	Результат полювання
6	Придбання комп'ютера
7	Ремонт квартири
8	Відвідування занять
9	Гарний відпочинок
10	Ремонт автомобіля
11	Вирощування бананів
12	Ремонт комп'ютера
13	Придбання квартири
14	Погода на день завтрашній
15	Відмінне самопочуття
16	Придбання велосипеда
17	Наявність Інтернету
18	Результати виборів до Верховної Ради
19	Результати виборів до Кабміну
20	Успішну здачу іспиту
21	Успішну здачу цієї лабораторної роботи
22	Придбання мобільного телефону
23	Роздача Інтернету студентам на каф. ЕОМ
24	Придбання кондиціонера
25	Придбання пральної машини

Вхідні дані повинні бути сформовані у вигляді текстового файлу. Результатом роботи програми повинен бути текстовий файл із мінімізованою та матрицею прийняття рішень та деревом прийняття рішень. Наприклад, дерево прийняття рішень може виглядати так:

Match=Home

Leaders=Play

Rain=Yes

0

Rain=No

1

Leaders=Pass 1

Match=Away 0

Що відповідатиме, такому дереву:

Рис. 4.1. Аналітичне представлення результатів роботи програми

5. ЗМІСТ ЗВІТУ

Звіт повинен містити такі розділи:

1. Титульний аркуш із вказанням номеру та назвою лабораторної роботи, особа що прийняла та виконала роботу;

2. Мета роботи;

3. Короткі теоретичні відомості;

4. Постановка задачі;

5. Алгоритм розв'язку задачі;

6. Інтерфейс програми із зазначеним розтлумаченням введених даних;

   7. Результати роботи програми із розтлумаченням отриманих результатів;

   8. Висновок

7. Список рекомендованої літератури

1. Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям (+ СD). — СПб: Изд. Питер, 2009. — 624 с.

2. Дюк В., Самойленко А. Data Mining: учебный курс (+CD). — СПб: Изд. Питер, 2001. — 368 с.

3. Журавлёв Ю.И., Рязанов В.В., Сенько О.В. РАСПОЗНАВАНИЕ.Математические методы.Программная система. Практические применения — М.: Изд. «Фазис», 2006. — 176 с. — ISBN 5-7036-0106-8.

4. Зиновьев А. Ю. Визуализация многомерных данных — Красноярск: Изд. Красноярского государственного технического университета, 2000. — 180 с.

5. Чубукова И. А. Data Mining: учебное пособие — М.: Интернет-университет информационных технологий: БИНОМ: Лаборатория знаний, 2006. — 382 с. — ISBN 5-9556-0064-7.

6. Айвазян С. А., Бухштабер В. М., Юнюков И. С., Мешалкин Л. Д. Прикладная статистика: Классификация и снижение размерности. - М.: Финансы и статистика, 1989.

7. Knowledge Discovery Through Data Mining: What Is Knowledge Discovery? - Tandem Computers Inc., 1996.

8. Кречетов Н.. Продукты для интеллектуального анализа данных. - Рынок программных средств, N14-15_97, c. 32-39.

9. Boulding K. E. General Systems Theory - The Skeleton of Science//Management Science, 2, 1956.

10. Гик Дж., ван. Прикладная общая теория систем. - М.: Мир, 1981.

11. Киселев М., Соломатин Е.. Средства добычи знаний в бизнесе и финансах. - Открытые системы, № 4, 1997, с. 41-44.

12. Дюк В.А. Обработка данных на ПК в примерах. - СПб: Питер, 1997.

15