Характеристика № 15. Возможности поиска, сортировки, фильтрации

Характеристика № 13. Скорость вычислений и скорость представления результатов.

Характеристика № 14. Наличие квалифицированного ассистента (консультации по выбору методов и алгоритмов), консультационная поддержка.

Такая возможность полезна как для входных данных, так и для выходной информации. При условии фильтрации входных данных появляется возможность построения модели Data Mining на одной из выборок набора данных.

Так, например, иногда при построении деревьев решений результаты получаются

слишком громоздкими, и здесь могут оказаться полезными функция как фильтрации, так и поиска и сортировки. Дополнительное удобство для пользователя - цветовая подсветка некоторых категорий записей.

Характеристика № 16. Защита, пароль. При анализе конфиденциальной информации

Характеристика № 17. Платформы, на которых поддерживается работа инструмента, в частности: PC Standalone (95/98/2000/NT), Unix Server, Unix Standalone, PC Client, NT Server.

Описанные характеристики являются критериями функциональности, удобства,

безопасности инструмента Data Mining. При выборе инструмента следует

руководствоваться потребностями, а также задачами, которые необходимо решить.

Универсальные инструменты, которые

включают методы классификации, кластеризации и предварительной подготовки данных.

К этой группе относятся такие известные коммерческие инструменты как:

Clementine (http://www.spss.com/clementine). Data Mining с использованием Clementine

является бизнес-процессом, разработанным для минимизации времени решения задач.

Clementine поддерживает процесс Data Mining: доступ к данным, преобразования,

моделирование, оценивание и внедрение. При помощи Clementine Data Mining

выполняется с методологией CRISP-DM.

DBMiner 2.0 Enterprise (http://www.dbminer.com), мощный инструмент для исследования больших баз данных; использует Microsoft Сервер SQL 7.0 Plato.

IBM Intelligent Miner for Data (http://www.ibm.com/software/data/iminer/fordata/).

Инструмент предлагает последние Data Mining-методы, поддерживает полный Data Mining процесс: от подготовки данных до презентации результатов. Поддержка языков XML и PMML.

KXEN (Knowledge eXtraction ENgines). Инструмент, работающий на основе теории Вапника (Vapnik) SVM. Решает задачи подготовки данных, сегментации, временных рядов и SVM- классификации.

Oracle Data Mining (ODM) (http://otn.oracle.com/products/bi/9idmining.html). Инструмент обеспечивает GUI, PL/SQL-интерфейсы, Java-интерфейс. Используемые методы: байесовская классификация, алгоритмы поиска ассоциативных правил, кластерные методы, SVM и другие.

Polyanalyst (http://www.megaputer.com/). Набор, обеспечивающий всесторонний Data

Mining. Сейчас, помимо методов прежних версий, также включает анализ текстов, лес

решений, анализ связей. Поддерживает OLE DB for Data Mining и DCOM-технологию.

SAS Enterprise Miner (http://www.sas.com/). Интегрированный набор, который

обеспечивает дружественный GUI. Поддерживается методология SEMMA.

SPSS (http://www.spss.com/clementine/). Один из наиболее популярных инструментов,

поддерживается множество методов Data Mining.

Statistica Data Miner (http://www.StatSoft.com/). Инструмент обеспечивает всесторонний, интегрированный статистический анализ данных, имеет мощные графические возможности, управление базами данных, а также приложение разработки систем.__

Дата добавления: 2015-03-31