Реферат на тему icon

Реферат на тему



Смотрите также:
Реферат на тему: "Равновесие на рынках совершенной и несовершенной конкуренции."...
Реферат на тему: "Равновесие на рынках совершенной и несовершенной конкуренции."...
Реферат на тему: Реклама и дизайн План Реферат на тему: Реклама и дизайн 1...
Реферат на тему «Развитие Internet банкинга»...
Реферат на тему "зарубежные вокальные школы"...
Реферат на тему "Биосфера и экология"...
Реферат на тему "Вселенная, жизнь, разум"...
Реферат на тему “Технологическая революция”...
Реферат на тему «Понятие, система, виды и цели наказания»...
Реферат Задание 1 Пер вое  задание реферат на выбранную тему...
Реферат на тему...
Реферат по биологии на тему «Ферменты»...



скачать
МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ

Институт Компьютерных Технологий


Реферат на тему:

Математические методы в структурном моделировании


Выполнили:

студенты группы ДЭК-302

Карпенкова Е.,

Мирошникова А.,

Тоньшева А.,

Филатова А.


Проверила:

Данелян Т.Я.


Москва

2010


СТРУКТУРНОЕ МОДЕЛИРОВАНИЕ


Структурное моделирование – процесс, использующий формальные конструктивные методы изменения элементов множества системы и связи между элементами.


Цель: В силу того. Что любая система представляет собой проект/схему/структуру, то в структуре должны быть отражены все функции и взаимодействия аргументов, следовательно способ представления (вид структуры) влияет на порядок выполнения и конечный результат.


Таким образом, структура – это конечное множество элементов и множество связей, а изменение структуры тогда можно рассматривать как изменение внутренних факторов, влияющих на работу системы


Среди задач структурного моделирования следует выделить нахождение формальных или конструктивных методов, которыми можно описать структуру. Так же, исследовав все возможные направления (оценки), нужно определить, хороша структура или плоха. Описывание определения метрических значений выбранных структурных показателей.


1. Сложность

а) структурная


C = M/ N*(N-1),


где

M – число реализованных связей;

N – число элементов в подсистеме.

б) функциональная сложность


V = K*(H*L),


где

К – коэффициент среды реализации (если система нереализована, то К=1);

L – логическая глубина системы (длина самой длинной ветви дерева диалога);

H – степень параллелизма действий в системе.


2. Надежность

а) реальная


R1=#S#/M


где

#S# – общее число подсистем в системе;

M – общее число реализованных связей;


б) априорная


R2 = Kv/N,


где

Kv – число элементов с максимальным числом входов;

N – общее число элементов в системе


3. Пропускная способность


П1 = (#SI#)/(#S#),


где

#SI# – количество однотипных по информации систем;

#S# – всего подсистем.


П2 = H/Vk,


где

Vk – объем вычислений;

H – степень параллелизма в системе;


Vk=(H*L)*K


4. Универсальность


U1 = Kv/N,


где

Kv – число элементов с максимальным количеством разнотипных входов;

N – общее число элементов;

U2 = (#S#)/(#S#),


где

#S# – количество разотипных по информации систем;

#S# – общее число подсистем;


5. Информативность


I = Ki/N,


где

Ki – число элементов с максимальным количеством разнотипных выходов;

N – общее число элементов;


6. Иерархичность


J = (#Jf#)/(#S#),


где

#Jf# – число разнотипных по функциям систем;

#S# – общее число подсистем.


Основные этапы процесса структурного моделирования




Методы решения задач


  1. Концептуальный метод

    1. Графы

    2. Таблицы

    3. Матрицы

    4. Графические примитивы

2) Оценка

2.1 Структурный показатель

2.2 Эмперически-методные оценки

2.3 Эталон

3) Структурные характеристики

3.1 Структурная сложность

3.2 Пропуская способность

3.3 Универсальность

3.4 Информативность

3.5 Иерархичность

4) Методы вычисления структурных показателей

4.1 Описание процедур

4.2 Связь рейтинга (веса) с функционированием системы


Моделирование структурными уравнениями и диаграммы путей

Диаграммы путей играют существенную роль в процессе структурного моделирования. Диаграммы путей напоминают используемые блок-схемы. Они изображают переменные, связанные линиями, которые используются для отображения причинных связей. Каждая связь или путь включает в себя две переменные (заключенные в прямоугольник или овал), соединенные стрелками (линиями, обычно прямыми, имеющими стрелку-указатель на одном конце) или дугами (линиями, обычно искривленными, без стрелок указателей).
Путевые диаграммы удобнее всего представлять в качестве инструмента для указания, какие переменные вызывают изменения в других переменных. Однако этого описание не является абсолютно точным. Можно дать более точное описание.

Рассмотрим классическое линейное регрессионное уравнение

Y = aX + e

И его представление в виде пути, показанное ниже.




^ Структурно-функциональное моделирование


При таком виде моделирования моделями являются схемы (блок-схемы), графики, чертежи, диаграммы, таблицы, рисунки, дополненные специальными правилами их объединения и преобразования;

Истоки структурно-функционального моделирования, по-видимому, следует искать в теоретических основах электрических цепей, электронике и радиотехнике, где впервые широко стали использоваться различные блок-схемы. Дальнейшее развитие структурно-функциональное моделирование получило в теории автоматического управления (ТАУ), где был развит аппарат, включающий в себя не только правила составления и преобразования, но и достаточно общую методологию анализа и синтеза структурных схем, основанную на том, что каждой математической операции над сигналами поставлен в соответствие определенный элементарный структурный блок. Хотя динамические структурно-функциональные схемы теории автоматического управления обладают широчайшими возможностями для анализа непрерывных, линейных динамических систем, описываемых дифференциальными уравнениями, они плохо подходят для описания процессов в экономико-организационных системах, где связи между отдельными блоками имеют гораздо более широкое толкование и редко могут быть сведены к некоторой функции времени (сигналу). Не очень удобны они и для описания алгоритмов и программ, для которых понятие "элементарный блок" существенно отличается от принятого в ТАУ. В частности, для составления блок-схем алгоритмов и программ, потребность в которых появилась в начале 60-х, понадобились символы, соответствующие основным операциям машинной обработки данных, их накоплению, сортировке и передаче. В результате довольно длительной разработки и последующей эволюции были созданы и нашли широкое применение государственные стандарты на составление и использование блок-схем алгоритмов и программ, вошедшие впоследствии в перечень обязательных документов Единой системы программной документации (ЕСПД). Использование стандартов на блок-схемы алгоритмов и программ весьма жестко контролировалось как Госфондом алгоритмов и программ (ГАП), так и другими "компетентными органами", причем описание любой программы и любого алгоритма должно было содержать блок-схему, даже и при отсутствии особой нужды.


Структурно-функциональная блок-схема:



Дальнейшее развитие блок-схем, связано с развитием автоматизированных систем управления производством (АСУП), появившихся в начале 70-х, в которых, в отличие от алгоритмов и программ, блок-схемы стали выполнять несколько иные функции. Основным назначением графических символов при проектировании АСУП явилось именно моделирование объекта автоматизации и процессов функционирования самой АСУП. Символика проектов АСУП включала в себя прежде всего функциональные блоки, предназначенные для отображения основных функций сбора, накопления, передачи и обработки данных. Наряду с ними в состав условных графических обозначений были включены и символы, позволяющие описывать разнообразные структуры объектов управления. На использование символов при проектировании АСУП разработаны специальные ГОСТы, регламентирующие состав, размеры и вид символов, а так же правила их использования. В целом, совокупность символов для АСУП и правил их использования образуют простейший язык структурно-функционального моделирования, применяющийся при системном анализе и проектировании автоматизированных экономико-организационных систем. Можно только сожалеть о том, что развитие подобных языков моделирования в СССР приостановилось в начале 80-х, однако в последние годы ситуация в этой области стала меняться к лучшему благодаря появлению отечественного инструментально программного комплекса "CASE-Аналитик", о котором речь пойдет ниже.

Современные методы структурно-функционального анализа и моделирования сложных систем были заложены благодаря трудам профессора Массачусетского технологического института Дугласа Росса, который впервые использовал понятие "структурный анализ" сорок лет назад, пытаясь создать алгоритмический язык АРТ, ориентированный на модульное программирование. Дальнейшее развитие идеи описания сложных объектов как иерархических, многоуровневых модульных систем с помощью относительно небольшого набора типовых элементов привело к появлению SADT (Structured Analyses and Design Technique), что в дословном переводе означает "технология структурного анализа и проектирования", а по существу является методологией структурно-функционального моделирования и анализа сложных систем [10]. Со времени своего появления SADT постоянно совершенствовалась и широко использовалась для эффективного решения целого ряда проблем - таких как совершенствование управления финансами и материально-техническим снабжением крупных фирм, разработка программного обеспечения АСУ телефонными сетями, долгосрочное и стратегическое планирование деятельности фирм, проектирование вычислительных систем и сетей и др.


^ На рисунке 3 приведена структурная схема компьютерной модели процесса:



Центральной идеей SADT является, по определению авторов, SA-блок - универсальная единица универсальной пунктуации для неограниченного строго структурного анализа. Несмотря на такое мудреное название под таинственным SA-блоком скрывается обычный функциональный блок, характеризующийся наличием входа, выхода, механизма и управления. Другим фундаментальным понятием SADT является принцип иерархической декомпозиции сверху вниз, позволяющий анализировать сколь угодно сложные системы. При ближайшем рассмотрении его тоже открытием не назовешь, так как любой метод структурного анализа использует декомпозицию, которая собственно и составляет один из основных принципов познания. Оригинальным же в SADT является эффективный метод кодирования связей, основанный на использовании специальных ICOM-кодов и позволивший не только упростить процедуру моделирования, но и автоматизировать процедуры структурно-функционального анализа.

Одним из первых программных комплексов структурно-функционального анализа на основе SADT был пакет AUTOIDEF0, разработанный в рамках программы ВВС США по созданию интегрированной автоматизированной системы управления производством (Integreted Computer Aided Manufacturing). В основе пакета лежит подмножество SADT, названное IDEF0. AUTOIDEF0 предназначался для облегчения процесса создания и рецензирования SADT-диаграмм и моделей для географически удаленных аэрокосмических подрядчиков. Поскольку модели часто рецензировались и исправлялись, система функционировала на диалоговых устройствах и сетях связи и включала в себя тогда еще редкие дисплеи с векторной графикой и графопостроители. Система AUTOIDEF0 предоставляла удаленным пользователям командно-ориентированную графическую среду, управляемую с помощью иерархического меню, которое облегчало работу с библиотекой диаграмм и графическими средствами. Одновременно могло создаваться, храниться, обрабатываться, публиковаться и архивироваться множество различных моделей, построенных по единой методологии средствами SADT.

Другим программным продуктом, реализующим методологию структурно-функционального анализа SADT, является Design/IDEF производства компании Meta Software Corp. [11]. Он ориентирован на проектирование и моделирование сложных систем широкого назначения, связанных с автоматизацией и компьютеризацией производства, а также с задачами экономико-организационного управления и бизнес-планирования. Design/IDEF имеет быструю и высококачественную графику, включающую возможности создания SADT-моделей, содержит встроенный словарь данных, позволяющий хранить неограниченную информацию об объектах и моделях, допускает коллективную работу над моделью, позволяет генерировать отчеты по результатам системного анализа. Рассмотрим, что нового по сравнению с уже применяющимися на практике методами моделирования может дать подход, основанный на SADT-методологии.

Первой отличительной чертой SADT-методологии является принцип построения модели сверху вниз, который мы рассмотрим на примере угольной промышленности России. Такой принцип построения модели означает, что можно, начиная с довольно простых макроэкономических моделей развития топливно-энергетического комплекса в целом и моделей экономического развития угольной промышленности, дойти, если нужно, до отдельных технологических процессов на шахтах и карьерах [8, 9]. При этом, в соответствии с назначением модели, на каждом уровне можно сформулировать обоснованные требования к точности и разрешающей способности модели.

Очевидно, что на первом этапе построения иерархии моделей можно и нужно начать с достаточно грубых (эскизных) моделей. Поскольку методология SADT позволяет уточнять модели с помощью раскрытия SADT-блоков высшего уровня иерархии, новые штрихи при необходимости могут быть добавлены без изменения тех моделей, которые уже построены. Таким образом, SADT реализует иерархическое, многоуровневое моделирование, и в этом ее второе отличие от известных подходов.

Третьей особенностью моделирования на основе SADT является возможность одновременно со структурированием проблемы разрабатывать структуру базы данных, а точнее - баз данных, так как на разных уровнях иерархического моделирования целесообразно иметь отдельные базы данных. В пакете DESIGN/IDEF автоматизирован процесс описания базы данных, соответствующей структуре модели. Таким образом, одновременно с иерархической структурой модели мы получаем и структуру распределенной базы данных. Для моделирования с базами данных используется язык SQL, [11].

И наконец, четвертой, исключительно важной особенностью SADT является возможность приведения IDEFO-модели к цветной сети Петри (пакеты той же фирмы - DESIGN/CPN, DESIGN/WORKFLOW ANALYSIS, [12]).

Обобщая возможности методологии SADT+DESIGN/IDEFO+DESIGN/CPN+DESIGN/WFA, сделаем следующее заключение. Применение методологии SADT и пакетов программ DESIGN/IDEFO/CPN позволяет унифицировать различные блоки модели сложной системы, распараллелить процесс составления модели и объединить отдельные модули в единую иерархическую динамическую модель.

Еще одним широко известным инструментальным средством структурно-функционального моделирования, основанным на стандарте IDEF0, является пакет Bpwin, предлагаемый компанией MacroProject. Он предназначен для моделирования и оптимизации бизнес-процессов и автоматизирует многие рутинные процессы, связанные с построением моделей экономико-организационных систем, с помощью техники "drag&drop". Для лучшего понимания, описания или иллюстрации процесса моделирования в Bpwin предусмотрены различные способы отображения данных, а также мультимедийные вставки. Кроме того, пакет включает поддержку стоимостного анализа деятельности с помощью механизмов оценки изменений производительности системы. Несомненным достоинством Bpwin является возможность связи с известным инструментальным средством разработки баз данных Erwin (разработчик - компания Logic Works); это позволяет в процессе моделирования экономико-организационной системы одновременно разработать модель базы данных.

В последние годы для структурно-функционального анализа в России все чаще применяется отечественное инструментальное средство "CASE-Аналитик", разработанное научно-техническим предприятием "Эйтэкс" ("МакроПроджект"). "Эйтэкс" было создано на базе НИИ приборостроения и вобрало отечественный опыт создания подобных систем, [7]. "CASE-Аналитик" предназначен для автоматизации проектирования и внедрения систем обработки информации и управления самого широкого класса: информационно-вычислительных сетей, организационно-управленческих АСУ всех уровней, банковских и бухгалтерских систем, систем автоматизации эксперимента, делопроизводства и пр. В основе "CASE-Аналитик" лежат удобные средства построения строгой и наглядной структурно-функциональной модели системы, причем модель представляет собой иерархию диаграмм потоков информации и функциональных связей, автоматически отображаемых в базе данных. Пакет позволяет строить и редактировать потоковые диаграммы, осуществлять поиск по диаграммам и данным, экспортировать и импортировать данные из других пакетов и, наконец, оформлять проектные документы в соответствии с ГОСТ 34.xxx и 19.xxx. Последнее обстоятельство немаловажно для комфортной работы отечественных специалистов. Дополнительные преимущества пакета - удобный интерфейс пользователя в форме иерархического меню, наличие развитой системы справок, полная документация на русском языке и сравнительно невысокая цена. На наш взгляд, "CASE-Аналитик" достойно представляет российские программные средства структурно-функционального анализа сложных систем на рынке инструментальных средств.

Близкими по назначению и характеристикам к пакетам структурно-функционального моделирования являются, с одной стороны, средства поддержки презентаций, а с другой - программные системы комплексной автоматизации предпроектного анализа и проектирования информационных систем.

Первые, более простые и широко распространенные, обычно используются на начальной стадии проектирования. Они включают программы построения блок-схем и диаграмм, средства деловой графики и создания демонстрационных приложений (слайд-шоу, мультимедиа-шоу, анимация). Некоторые из них содержат встроенные пакеты с развитыми математическими функциями и позволяют выполнять сложную обработку данных, необходимую при построении функциональных моделей. (Прекрасный обзор программных продуктов поддержки презентаций, подготовленный С. Орловым, опубликован в журнале "ComputerWeek", [16].)

Программные средства, предназначенные для комплексной автоматизации предпроектного анализа и проектирования информационных систем, к которым, вообще говоря, относятся Bpwin и "CASE-Аналитик", помимо средств собственно структурно-функционального моделирования обычно содержат средства моделирования и проектирования баз данных, стоимостного анализа, средства оценки рисков, контроля и управления реализацией проектов. Они, естественно, значительно дороже и сложнее, чем пакеты типа DESIGN/IDEF0, и в настоящем обзоре подробно рассматриваться не будут.

Блок-схема



^ Cхема алгоритма — это графическое представление программы или алгоритма с использованием стандартных графических элементов (прямоугольников, ромбов, трапеций и др.), обозначающих команды, действия, данные и т. п.

Правила выполнения схем определяется:

ГОСТ 19.701-90 (ИСО 5807-85) - Схемы алгоритмов, программ, данных и систем. Условные обозначения и правила выполнения.


Далее даны современные обозначения:
^

Основные элементы


Графическое представление

Описание



Начало или конец. Внутри фигуры пишут «начало» или «конец» соответственно



Прямоугольником обозначается операция. Например, присваивание. Внутри блока пишут операции, которые выполняются на данном шаге алгоритма.



Ромбом обозначается оператор ветвления. Внутри ромба пишутся проверяемые условия. Например, «a < b»



Вызов подпрограммы. Внутри блока пишут имя вызываемой подпрограммы и передаваемые ей параметры.



Параллелограмм обозначает операции ввода-вывода данных



Цикл с известным числом итераций. Внутри обычно указывают счетчик цикла, начальное, конечное значение и шаг цикла. В последнем ГОСТе цикл заменен на другой блок.



^

Структурно-функциональный метод

Структурно-функциональный метод - способ анализа системы, при котором принимается, что наблюдаемые элементарные структуры выполняют определенные функции внутри системы или для структур более высокого порядка. Так, согласно А. Радклифф-Брауну отношения между дядей со стороны матери и племянником имеют свою функцию в рамках общеплеменной организации. Б. Малиновский, М. Фортес, Р. Фёрт и другие функционалисты применяли сходный метод не только к анализу гармоничного равновесия внутри общественной системы, но и для раскрытия механизма возникновения и преодоления конфликтов внутри нее. Однако в их понимании С.-ф.м. оставался применим лишь к стабильной общественной системе, взятой вне своей истории, вне системных диахронных изменений. Попытка внести в С.-ф.м. элементы историзма, предпринятая американским социологом К. Дэвисом, оказалась неудачна, и от нее отказался впоследствии сам автор. Антиисторизм С.-ф. М привел к отказу от него практически всех современных теоретиков этнологии. С.-ф.-м. может быть противопоставлен системный подход, при котором понятия структуры и функции отнюдь не отбрасываются, но признание наличия в системе различных переменных подразумевает, что под их воздействием функция определенной структуры может меняться.



^ Математический метод «Дерево решений»


Стремительное развитие информационных технологий, в частности, прогресс в методах сбора, хранения и обработки данных позволил многим организациям собирать огромные массивы данных, которые необходимо анализировать. Объемы этих данных настолько велики, что возможностей экспертов уже не хватает, что породило спрос на методы автоматического исследования (анализа) данных, который с каждым годом постоянно увеличивается.

Деревья решений – один из таких методов автоматического анализа данных. Первые идеи создания деревьев решений восходят к работам Ховленда (Hoveland) и Ханта(Hunt) конца 50-х годов XX века. Однако, основополагающей работой, давшей импульс для развития этого направления, явилась книга Ханта (Hunt, E.B.), Мэрина (Marin J.) и Стоуна (Stone, P.J) "Experiments in Induction", увидевшая свет в 1966г.

Терминология

Введем основные понятия из теории деревьев решений, которые будут употребляться в этой и последующих статьях.

Название

Описание

Объект

Пример, шаблон, наблюдение

Атрибут

Признак, независимая переменная, свойство

Метка класса

Зависимая переменная, целевая переменная, признак определяющий класс объекта

Узел

Внутренний узел дерева, узел проверки

Лист

Конечный узел дерева, узел решения

Проверка (test)

Условие в узле

Название

Описание

Объект

Пример, шаблон, наблюдение

Атрибут

Признак, независимая переменная, свойство

Метка класса

Зависимая переменная, целевая переменная, признак определяющий класс объекта

Узел

Внутренний узел дерева, узел проверки

Лист

Конечный узел дерева, узел решения

Проверка (test)

Условие в узле

Что такое дерево решений и типы решаемых задач

Деревья решений – это способ представления правил в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение.

Под правилом понимается логическая конструкция, представленная в виде "если ... то ...".



Область применения деревья решений в настоящее время широка, но все задачи, решаемые этим аппаратом могут быть объединены в следующие три класса:

  • Описание данных: Деревья решений позволяют хранить информацию о данных в компактной форме, вместо них мы можем хранить дерево решений, которое содержит точное описание объектов.

  • Классификация: Деревья решений отлично справляются с задачами классификации, т.е. отнесения объектов к одному из заранее известных классов. Целевая переменная должна иметь дискретные значения.

  • Регрессия: Если целевая переменная имеет непрерывные значения, деревья решений позволяют установить зависимость целевой переменной от независимых(входных) переменных. Например, к этому классу относятся задачи численного прогнозирования(предсказания значений целевой переменной).


^ Как построить дерево решений?

Пусть нам задано некоторое обучающее множество T, содержащее объекты (примеры), каждый из которых характеризуется m атрибутами (атрибутами), причем один из них указывает на принадлежность объекта к определенному классу.

Идею построения деревьев решений из множества T, впервые высказанную Хантом, приведем по Р. Куинлену (R. Quinlan).

Пусть через {C1, C2, ... Ck} обозначены классы(значения метки класса), тогда существуют 3 ситуации:

  1. множество T содержит один или более примеров, относящихся к одному классу Ck. Тогда дерево решений для Т – это лист, определяющий класс Ck;

  2. множество T не содержит ни одного примера, т.е. пустое множество. Тогда это снова лист, и класс, ассоциированный с листом, выбирается из другого множества отличного от T, скажем, из множества, ассоциированного с родителем;

  3. множество T содержит примеры, относящиеся к разным классам. В этом случае следует разбить множество T на некоторые подмножества. Для этого выбирается один из признаков, имеющий два и более отличных друг от друга значений O1, O2, ... On. T разбивается на подмножества T1, T2, ... Tn, где каждое подмножество Ti содержит все примеры, имеющие значение Oi для выбранного признака. Это процедура будет рекурсивно продолжаться до тех пор, пока конечное множество не будет состоять из примеров, относящихся к одному и тому же классу.

Вышеописанная процедура лежит в основе многих современных алгоритмов построения деревьев решений, этот метод известен еще под названием разделения и захвата (divide and conquer). Очевидно, что при использовании данной методики, построение дерева решений будет происходит сверху вниз.

Поскольку все объекты были заранее отнесены к известным нам классам, такой процесс построения дерева решений называется обучением с учителем (supervised learning). Процесс обучения также называют индуктивным обучением или индукцией деревьев (tree induction).

На сегодняшний день существует значительное число алгоритмов, реализующих деревья решений CART, C4.5, NewId, ITrule, CHAID, CN2 и т.д. Но наибольшее распространение и популярность получили следующие два:

  • ^ CART (Classification and Regression Tree) – это алгоритм построения бинарного дерева решений – дихотомической классификационной модели. Каждый узел дерева при разбиении имеет только двух потомков. Как видно из названия алгоритма, решает задачи классификации и регрессии.

  • C4.5 – алгоритм построения дерева решений, количество потомков у узла не ограничено. Не умеет работать с непрерывным целевым полем, поэтому решает только задачи классификации.


Большинство из известных алгоритмов являются "жадными алгоритмами". Если один раз был выбран атрибут, и по нему было произведено разбиение на подмножества, то алгоритм не может вернуться назад и выбрать другой атрибут, который дал бы лучшее разбиение. И поэтому на этапе построения нельзя сказать даст ли выбранный атрибут, в конечном итоге, оптимальное разбиение.


^ Этапы построения деревьев решений

При построении деревьев решений особое внимание уделяется следующим вопросам: выбору критерия атрибута, по которому пойдет разбиение, остановки обучения и отсечения ветвей. Рассмотрим все эти вопросы по порядку.

^ Правило разбиения.

Каким образом следует выбрать признак?

Для построения дерева на каждом внутреннем узле необходимо найти такое условие (проверку), которое бы разбивало множество, ассоциированное с этим узлом на подмножества. В качестве такой проверки должен быть выбран один из атрибутов. Общее правило для выбора атрибута можно сформулировать следующим образом: выбранный атрибут должен разбить множество так, чтобы получаемые в итоге подмножества состояли из объектов, принадлежащих к одному классу, или были максимально приближены к этому, т.е. количество объектов из других классов ("примесей") в каждом из этих множеств было как можно меньше.

Были разработаны различные критерии, но мы рассмотрим только два из них:


^

Теоретико-информационный критерий


Алгоритм C4.5, усовершенствованная версия алгоритма ID3 (Iterative Dichotomizer), использует теоретико-информационный подход. Для выбора наиболее подходящего атрибута, предлагается следующий критерий:



(1)

где, Info(T) – энтропия множества T, а



(2)

Множества T1, T2, ... Tn получены при разбиении исходного множества T по проверке X. Выбирается атрибут, дающий максимальное значение по критерию (1).
Впервые эта мера была предложена Р. Куинленом в разработанном им алгоритме ID3. Кроме вышеупомянутого алгоритма C4.5, есть еще целый класс алгоритмов, которые используют этот критерий выбора атрибута.


^

Статистический критерий


Алгоритм CART использует так называемый индекс Gini (в честь итальянского экономиста Corrado Gini), который оценивает "расстояние" между распределениями классов.



(3)

Где c – текущий узел, а pj – вероятность класса j в узле c.

CART был предложен Л.Брейманом (L.Breiman) и др.


Ниже приведён пример алгоритма создания дерева решений на программах Manager и ROM соответственно. Так выглядит схема данных для режима построения дерева решений.













А это сценарий диалога с подпрограммой СДКМС «Дерево решений»:




^ Правило остановки.

Разбивать дальше узел или отметить его как лист?

В дополнение к основному методу построения деревьев решений были предложены следующие правила:

  • Использование статистических методов для оценки целесообразности дальнейшего разбиения, так называемая "ранняя остановка" (prepruning). В конечном счете "ранняя остановка" процесса построения привлекательна в плане экономии времени обучения, но здесь уместно сделать одно важное предостережение: этот подход строит менее точные классификационные модели и поэтому ранняя остановка крайне нежелательна. Признанные авторитеты в этой области Л.Брейман и Р. Куинлен советуют буквально следующее: "Вместо остановки используйте отсечение".

  • Ограничить глубину дерева. Остановить дальнейшее построение, если разбиение ведет к дереву с глубиной превышающей заданное значение.

  • Разбиение должно быть нетривиальным, т.е. получившиеся в результате узлы должны содержать не менее заданного количества примеров.

Этот список эвристических правил можно продолжить, но на сегодняшний день не существует такого, которое бы имело большую практическую ценность. К этому вопросу следует подходить осторожно, так как многие из них применимы в каких-то частных случаях.

^ Правило отсечения.

Каким образом ветви дерева должны отсекаться?

Очень часто алгоритмы построения деревьев решений дают сложные деревья, которые "переполнены данными", имеют много узлов и ветвей. Такие "ветвистые" деревья очень трудно понять. К тому же ветвистое дерево, имеющее много узлов, разбивает обучающее множество на все большее количество подмножеств, состоящих из все меньшего количества объектов.
Ценность правила, справедливого скажем для 2-3 объектов, крайне низка, и в целях анализа данных такое правило практически непригодно. Гораздо предпочтительнее иметь дерево, состоящее из малого количества узлов, которым бы соответствовало большое количество объектов из обучающей выборки. И тут возникает вопрос: а не построить ли все возможные варианты деревьев, соответствующие обучающему множеству, и из них выбрать дерево с наименьшей глубиной? К сожалению, это задача является NP-полной, это было показано Л. Хайфилем (L. Hyafill) и Р. Ривестом (R. Rivest), и, как известно, этот класс задач не имеет эффективных методов решения.

Для решения вышеописанной проблемы часто применяется так называемое отсечение ветвей (pruning).

Пусть под точностью (распознавания) дерева решений понимается отношение правильно классифицированных объектов при обучении к общему количеству объектов из обучающего множества, а под ошибкой – количество неправильно классифицированных. Предположим, что нам известен способ оценки ошибки дерева, ветвей и листьев. Тогда, возможно использовать следующее простое правило:

  • построить дерево;

  • отсечь или заменить поддеревом те ветви, которые не приведут к возрастанию ошибки.

В отличии от процесса построения, отсечение ветвей происходит снизу вверх, двигаясь с листьев дерева, отмечая узлы как листья, либо заменяя их поддеревом.
Хотя отсечение не является панацеей, но в большинстве практических задач дает хорошие результаты, что позволяет говорить о правомерности использования подобной методики.



Правила

Иногда даже усеченные деревья могут быть все еще сложны для восприятия. В таком случае, можно прибегнуть к методике извлечения правил из дерева с последующим созданием наборов правил, описывающих классы.

Для извлечения правил необходимо исследовать все пути от корня до каждого листа дерева. Каждый такой путь даст правило, где условиями будут являться проверки из узлов встретившихся на пути.


Преимущества использования деревьев решений

Рассмотрев основные проблемы, возникающие при построении деревьев, было бы несправедливо не упомянуть об их достоинствах:

  • быстрый процесс обучения;

  • генерация правил в областях, где эксперту трудно формализовать свои знания;

  • извлечение правил на естественном языке;

  • интуитивно понятная классификационная модель;

  • высокая точность прогноза, сопоставимая с другими методами (статистика, нейронные сети);

  • построение непараметрических моделей.

В силу этих и многих других причин, методология деревьев решений является важным инструментом в работе каждого специалиста, занимающегося анализом данных, вне зависимости от того практик он или теоретик.


Области применения деревьев решений

Деревья решений являются прекрасным инструментом в системах поддержки принятия решений, интеллектуального анализа данных (data mining).
В состав многих пакетов, предназначенных для интеллектуального анализа данных, уже включены методы построения деревьев решений. В областях, где высока цена ошибки, они послужат отличным подспорьем аналитика или руководителя

Деревья решений успешно применяются для решения практических задач в следующих областях:

  • ^ Банковское дело. Оценка кредитоспособности клиентов банка при выдаче кредитов.

  • Промышленность. Контроль за качеством продукции (выявление дефектов), испытания без разрушений (например проверка качества сварки) и т.д.

  • Медицина. Диагностика различных заболеваний.

  • ^ Молекулярная биология. Анализ строения аминокислот.

Это далеко не полный список областей где можно использовать деревья решений. Не исследованы еще многие потенциальные области применения.


Литература

  1. J. Ross Quinlan. C4.5: Programs for Machine learning. Morgan Kaufmann Publishers 1993.

  2. S.Murthy. Automatic construction of decision trees from data: A Multi-disciplinary survey.1997.

  3. W. Buntine. A theory of classification rules. 1992.

  4. Machine Learning, Neural and Statistical Classification. Editors D. Mitchie et.al. 1994.

  5. К. Шеннон. Работы по теории информации и кибернетике. М. Иностранная литература, 1963

  6. С.А. Айвазян, В.С Мхитарян Прикладная статистика и основы эконометрики, М. Юнити, 1998




Скачать 252,88 Kb.
оставить комментарий
Данелян Т.Я
Дата30.09.2011
Размер252,88 Kb.
ТипРеферат, Образовательные материалы
Добавить документ в свой блог или на сайт

Ваша оценка этого документа будет первой.
Ваша оценка:
Разместите кнопку на своём сайте или блоге:
rudocs.exdat.com

Загрузка...
База данных защищена авторским правом ©exdat 2000-2017
При копировании материала укажите ссылку
обратиться к администрации
Анализ
Справочники
Сценарии
Рефераты
Курсовые работы
Авторефераты
Программы
Методички
Документы
Понятия

опубликовать
Документы

наверх