1. SCSIT
  2. All Volumes and Issues
  3. Volume 663, 2010
  4. Модель процесу аналізу даних

Модель процесу аналізу даних

SCSIT.
2010;
Volume 663
: pp. 108 - 116
Authors: 

Ю. Нікольський

Національний університет «Львівська політехніка», кафедра інформаційних систем та мереж

Описано процес аналізу даних у вигляді формальної математичної моделі. Особливістю такого підходу є те, що усі дії із перетворення даних описано у вигляді спеціальних функцій. Такий підхід дає змогу розглядати різні процеси аналізу даних на основі однакових поглядів на склад, структуру, послідовність дій та зміст.

The data analysis process as a formal mathematical model is offered. The features of such approach describe all operations of data converting as the special functions. Such approach allows to examine the different processes of data analysis as identical in composition, structure, actions' sequence and maintenance.

  1. Cios K. J. Data Mining: A Knowledge Discovery Approach. /Cios K. J., Pedrycz W., Swiniarski R. W., Kurgan L. A. — New York: Springer Science + Business Media, LLC, 2007.
  2. Chapman P. The CRISP-DM process model /Chapman P., Clinton J., Khabaza T., Reinartz T., Wirth R. — Режим доступу: http://www.crisp-dm.org. — 03. 1999.
  3. Fayyad, U. The KDD Process for Extracting Useful Knowledge from Volumes of Data / Fayyad U., Piatesky-Shapiro G., Smyth P. // Communications of the ACM. — 1996.— № 39(11). — P. 27–34.
  4. Cabena P. Discovering Data Mining: From Concepts to Implementation / Cabena P., Hadjinian P., Stadler R., Verhees J., Zanasi A. — Newark: Prentice Hall Saddle River, 1998.
  5. Режим доступу: http://www.crisp-dm.org.
  6. Kurgan L. A survey of knowledge discovery and data mining process models / Kurgan L., Musilek P. // Knowledge Engineering Review. — 2006. — № 21(1). — P. 1–24.
  7. Anand S. Decision Support Using Data Mining. Financial Times Pitman Publishers / Anand S., Buchner A. — London, 1998.
  8.  Anand S. A data mining methodology for cross-sales / Anand S., Hughes P., Bell D. // Knowledge Based Systems Journal.– 1998. — № 10.– P. 449–461.
  9. Cios K. Diagnosing myocardial perfusion from SPECT bull’s-eye maps — a knowledge discovery approach / Cios K., Teresinska A., Konieczna S., Potocka J., Sharma S. // IEEE Engineering in Medicine and Biology Magazine: Special issue on Medical Data Mining and Knowledge Discovery.- 2000.- № 19(4). — P. 17–25.
  10. Cios K. Trends in data mining and knowledge discovery / Cios K., Kurgan L. // Pal N.R. Advanced Techniques in Knowledge Discovery and Data Mining / Pal N.R., Jain L.C.- London: Springer Verlag, 2005. — P. 1–26.
  11. Kurgan L. Mining the Cystic Fibrosis Data / Kurgan L., Cios K., Sontag M., Accurso F. // Zurada J. Next Generation of Data-Mining Applications / Zurada J., Kantardzic M. –: IEEE Press Piscataway, 2005. — P. 415–444.
  12. Pal N.R. Advanced Techniques in Knowledge Discovery and Data Mining / Pal N.R., Jain L.C. — London: Springer Verlag, 2005.
  13. Shearer C. The CRISP-DM model: the new blueprint for data mining // Journal of Data Warehousing. — 2000. –№ 5(4). — P. 13–19.