Виявлення та оброблення невизначеностей у формі неповних даних методами інтелектуального аналізу

Кузнєцова, Наталія Володимирівна; Kuznietsova, Nataliia Vladymyrivna; Кузнецова, Наталия Владимировна

Повний запис метаданих

Поле DC	Значення	Мова
dc.contributor.author	Кузнєцова, Наталія Володимирівна	-
dc.contributor.author	Kuznietsova, Nataliia Vladymyrivna	-
dc.contributor.author	Кузнецова, Наталия Владимировна	-
dc.date.accessioned	2017-03-03T12:46:00Z	-
dc.date.available	2017-03-03T12:46:00Z	-
dc.date.issued	2016	-
dc.identifier.citation	Кузнєцова Н. В. Виявлення та оброблення невизначеностей у формі неповних даних методами інтелектуального аналізу / Н. В. Кузнєцова // Системні дослідження та інформаційні технології : міжнародний науково-технічний журнал. – 2016. – № 2. – С. 104–115. – Бібліогр.: 16 назв.	uk
dc.identifier.uri	https://ela.kpi.ua/handle/123456789/19186	-
dc.language.iso	uk	uk
dc.subject	аналіз ризиків	uk
dc.subject	методи аналізу даних	uk
dc.subject	мережі Байєса	uk
dc.subject	інформаційні технології	uk
dc.subject	системний аналіз	uk
dc.subject	risks analysis	en
dc.subject	data mining	en
dc.subject	Bayesian networks	en
dc.subject	informational technologies	en
dc.subject	system analysis	en
dc.subject	анализ рисков	ru
dc.subject	методы анализа данных	ru
dc.subject	сети Баеса	ru
dc.subject	информационные технологии	ru
dc.subject	системный анализ	ru
dc.title	Виявлення та оброблення невизначеностей у формі неповних даних методами інтелектуального аналізу	uk
dc.title.alternative	Identification and dealing with uncertainties in the form of incomplete data by data mining methods	uk
dc.title.alternative	Выявление и обработка неопределенностей в форме неполных данных методами интеллектуального анализа	uk
dc.type	Article	uk
thesis.degree.level	-	uk
dc.format.pagerange	С. 104-115	uk
dc.status.pub	published	uk
dc.publisher.place	Київ	uk
dc.source.name	Системні дослідження та інформаційні технології : міжнародний науково-технічний журнал	uk
dc.identifier.doi	https://doi.org/10.20535/SRIT.2308-8893.2016.2.10	-
dc.subject.udc	519.816	uk
dc.description.abstractuk	Розглянуто методи оброблення пропущених даних і запропоновано їх класифікацію з урахуванням видів вхідних даних, типів та форматів даних, причин пропусків, зумовлених проявом впливу невизначеностей навколишнього світу і об’єкта моделювання. Досліджено спільні ознаки та відмінності існуючих методів оброблення, визначено особливості їх застосування для дозаповнення пропущених даних залежно від характеру невизначеностей. Показано, що традиційний підхід до заповнення пропусків середнім значенням не дозволяє отримати достовірні прогнози у багатьох випадках через зміну характеру вибірки. Запропоновано використання методів інтелектуального аналізу даних для оброблення пропущених значень та наведено приклад заповнення пропусків даних методами регресійного аналізу, зокрема за допомогою оцінок прогнозів.	uk
dc.description.abstracten	In this paper, the methods for processing missing data are reviewed. The classification of methods depending on input data, data types and formats, and causes of data incompleteness associated with influence of uncertainties of the outside world and modeling object is proposed. The commonalities and differences between existing methods are investigated. The application peculiarities of these methods for filling missing data depending on properties of uncertainties are determined. It is shown that the traditional approach for filling the missing data by average values does not allow obtaining correct forecasts in many cases due to changes in sample’s properties. The usage of data mining methods technologies for dealing with missing data is proposed. An example of using regression methods is shown for filling missing data, in particular, using the forecast evaluation.	uk
dc.description.abstractru	Рассмотрены методы обработки пропущенных данных и предложена их классификация с учетом видов входных данных, типов и форматов данных, причин пропусков, обусловленых проявлением влияния неопределенности внешнего мира и объекта моделирования. Исследованы общие черты и отличия существующих методов обработки, определены особенности их использования для заполнения пропущенных данных в зависимости от характера неопределенностей. Показано, что традиционный подход заполнения пропусков средним значением не позволяет получить достоверные прогнозы во многих случаях из-за изменения характера выборки. Предложено использование методов интеллектуального анализа данных для обработки пропущенных значений и приведен пример заполнения пропусков данных методами регрессионного анализа, в частности с помощью оценок прогнозов.	uk
dc.publisher	НТУУ "КПІ"	uk
Розташовується у зібраннях:	Системні дослідження та інформаційні технології: міжнародний науково-технічний журнал, № 2

Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.