Методы принятия управленческих решений

Особенности принятия управленческих решений в деятельности... 395 нологии Data Mining в соответствии с поставленной задачей и требуе- мыми характеристиками является метод «Дерево решений». В наиболее облегченном виде данный метод представляет собой иерар- хическую структуру последовательного анализа при использовании во- просов, ответы на которые строго «Да» или «Нет». При этом, дерево ре- шений является легко интерпретируемым пользователем, т. е. аналити- ком, при ответе на вопрос: «Почему конкретный объект относится к тому или иному классу?». При работе с базами данных, дерево решений реали- зуется посредством естественного языка, например: если в графе№15 де- кларации на товары (страна происхождения товара) указана страна про- исхождения = стране, находящейся под экономическими ограничения- ми России и код товара в графа 33 (код товара) = коду товара из перечня запрещенных к ввозу в Россию, то решение — запретить выпуск товара. Важным свойством дерева решений как метода при использовании технологии Data Mining является способность данного метода создать классификационные модели в тех областях, где аналитику затрудни- тельно формализовать информацию. При построении дерева необходимо учитывать критерий оптималь- ности, так как дерево должно быть полноценным и достаточно слож- ным, в то же время оно должно быть качественным и не перегруженным. В настоящее время существует множество алгоритмов построения де- рева решений: CHAID, CN2, CART, C4.5. Целесообразно рассмотреть алгоритм CART как один из наиболее эффективных и широко приме- нимых алгоритмов при реализации технологии Data Mining. Данный ал- горитм выбран для исследования в виду того, что является одним из ал- горитмов реализации метода дерева решений, способный обрабатывать большие массивы информации и строить оптимальные деревья решений. Данная характеристика реализуется посредством следующих функ- циональных особенностей [57]: 1. Алгоритм обработки пропущенных значений. 2. Механизм отсечения дерева. 3. Функция оценки качества разбиения. 4. Построение дерева регрессии — позволяют осуществить разделе- ние входное пространство на сегменты с последующим построением для каждого из них собственной (локальной) модели и представить кусочно- заданнуюфункциюрегрессии в интуитивно понятной и нагляднойформе. Алгоритм CART предназначен для решений задач по классифика- ции и регрессии (т. е. установлении взаимосвязей) посредством постро- ения бинарного (т. е. двоичного) дерева решений. Узлы бинарного дере-