Задания к лабораторной работе. 1. Используя файл о кредитных историях, собранный в банке - loans.txt, построить классификатор на основе
1. Используя файл о кредитных историях, собранный в банке - loans.txt, построить классификатор на основе а) логистической регрессии; б) деревьев решений в программе Deductor. Сравнить полученные модели и оценить их качество. 2. Построить модели классификации на данных, приведенных ниже в заданиях 5.1 и 5.2. 3. Сравнить результаты с классификацией на основе нейронной сети. Задание 5.1. Главным управлением экономического развития области был проведен выборочный анализ финансового состояния хозяйствующих субъектов, в результате которого получены три группы промышленных предприятий: нормально функционирующие, нуждающиеся в финансовой поддержке и предприятия, которые находятся в состоянии банкротства. Выводы относительно конкретного предприятия делались на основе анализа коэффициента рентабельности ( Таблица 5.4 - Результаты выборочного анализа финансового состояния хозяйствующих субъектов, действующих на територии области
Требуется, используя приведенные данные как обучающую выборку, построить модель классификации на основе одного из методов, рассмотренных выше, а затем установить принадлежность следующих предприятий к одному из трех классов, определив тем самым его финансовое состояние. Таблица 5.5 - Показатели финансового состояния классифицируемых хозяйствующих субъектов
Задание 5.2. При оценке эффективности деятельности предприятий легкой промышленности были получены два класса предприятия: с высокой и низкой производительностью труда. Кроме того, были выявлены факторы, определяющие соответствующий уровень производительности труда: 1) Доля рабочих, занятых вручную не при машинах и механизмах % ( Таблица 5.6 - Классификация предприятий по уровню производительности труда
Таблица 5.7 - Характеристики предприятий, подлежащих классификации
Контрольные вопросы 1. Что такое задача классификации. Приведите примеры из экономики, где возникают задачи классификации. 3. Какие данные нужно иметь для построения модели классификации? 1. Как оценивают качество алгоритмов классификации? 2. В чем состоит задача кредитного скоринга? 4. Запишите математическую модель логистической регрессии. Какие задачи можно решать на основе этой модели? 5. Как кодируют категориальные переменные при решении задачи классификации? 6. Что такое дерево решений? Какие алгоритмы построения деревьев решений вы знаете? 7. На основании каких критериев выбирают переменную для ветвления при построении деревьев решений? 8. Объясните как строятся решающие правила. 9. Какие методы сокращения дерева решений и остановки построения дерева вы знаете? 10. Зачем строят дерево в интерактивном режиме?
Литература 1. Чубукова И.А. Data mining: учебное пособие – М.: Интернет-университет информационных технологий: БИНОМ: Лаборатория знаний, 2006. – 382 с. – ISBN 5-9556-0064-7. 2. Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP, Data Mining. – СПб.: БХВ-Петербург, 2004. – 336с. 3. Ситник В.Ф. Інтелектуальний аналіз даних. К.: КНЕУ, 2007. – 4. А.А. Ежов, С.А. Шумский. Нейрокомпьютинг и его применения в экономике и бизнесе. – 5. Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. – СПб.: БХВ-Петербург, 2007. – 384 с. 6. Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям: Учеб. пособие. 2-е изд., перераб. и доп. _ СПб.: Питер, 2010. – 704 с.
|
), коэффициента текущей ликвидности (
), коэффициента обеспеченности собственными средствами (
) и коэффициента утраты (восстановления) платежеспособности (
).
); 3) Коэффициент сменности по всем рабочим (
); В последней колонке приведено Модельное значение выработки, тыс.грн. (табл. 5.6). Опираясь на полученные результаты: 1) проанализируйте резервы роста производительности труда в группе худших предприятий; 
