Культура речи как элемент интеллектуальной культуры студента вуза

Способ 

визуализации

Описание

Табличные данные

Таблица

Стандартное табличное  представление с возможностью сортировки, экспорта и фильтрации данных.

Статистика

Статистические  показатели выборки по всем полям, гистограммы  распределения значений.

Графики

Диаграмма

График изменения  любого числового показателя с возможностью детализации данных. Поддерживается множество способов отображения: линейчатые и столбчатые диаграммы, области, точки и прочее.

Гистограмма

График разброса показателей. Гистограмма предназначена  для визуальной оценки распределения  данных. Распределение данных оказывает  значительное влияние на процесс  построения модели. Встроена возможность детализации данных гистограммы.

Многомерная диаграмма 

Позволяет визуально  оценить зависимости между различными полями, отображается в виде 3D-поверхности  или топографической диаграммы.

Диаграмма размещения 

Размещение  объектов в 2 х, 3

OLAP анализ

Куб 

Многомерное представление  данных. Любые данные, используемые в программе, можно посмотреть в  виде кросс таблицы и кросс

Очистка данных

Дубликаты и противоречия

Табличное отображение  информации после применения обработчика "Дубликаты и противоречия". Цветовое выделение обнаруженных дубликатов и противоречий с возможностью автоматической фильтрации.

Матрица корреляции

Отображает  коэффициенты корреляции, рассчитанные при помощи обработчика "Корреляционный анализ". Поддерживается возможность экспорта информации в Excel, Word, HTML.

Data Mining

Граф  нейросети

Визуальное  отображение обученной нейросети. Отображается структура нейронной  сети и значения весов.

Дерево  решений

Отображение дерева решений, полученного при помощи соответствующего алгоритма. Имеется возможность посмотреть детальную информацию по любому узлу и фильтровать попавшие в него данные.

Правила деревьев решений 

Отображает  в текстовом виде правила, полученные при помощи алгоритма построения деревьев решений. Такого рода информация легко интерпретируется человеком. Поддерживаются различные способы фильтрации и сортировки полученных правил.

Значимость  атрибутов

Отображение значимости атрибутов. Рассчитывается при помощи алгоритма построения дерева решений.

Карта Кохонена

Отображение карт, построенных при помощи соответствующего алгоритма. Широкие возможности  настройки – выбор количества кластеров, фильтрация по узлу/кластеру, выбор отображаемых полей. Мощный и  гибкий механизм отображения кластеризованных данных.

ROC-анализ

ROC-кривая (Receiver Operator Characteristic) – кривая используемая  для представления результатов  бинарной классификации в машинном  обучении. ROC-кривая показывает зависимость  количества верно классифицированных  положительных примеров от количества  неверно классифицированных отрицательных примеров.

Коэффициенты  регрессии

Таблица коэффициенты, рассчитанные при помощи алгоритма  линейной регрессии. Поддерживается возможность  экспорта информации в Excel, Word, HTML.

Профили кластеров 

Позволяет наглядно оценить результаты кластеризации, этот визуализатор доступен лишь для обработчика "Кластеризация".  Он отображает разбиение на кластеры, значимость факторов, статистические характеристики каждого кластера.

Правила ассоциаций

Отображает  в текстовом виде правила, полученные при помощи алгоритма поиска ассоциативных связей. Такого рода информация легко интерпретируется человеком. Поддерживаются различные способы фильтрации и сортировки полученных правил.

Популярные  наборы

Часто встречающиеся  множества, обнаруженные при помощи алгоритма поиска ассоциативных правил.

Дерево  правил

Отображение дерева правил, полученных при помощи алгоритма  поиска ассоциаций. Правила могут  быть сгруппированы как по условию, так и по следствию.

Что-если

Таблица и диаграмма  для моделей, построенных при помощи линейной регрессии, нейронной сети, дерева решений, самоорганизующихся карт и ассоциативных правил. Позволяют "прогонять" через построенную модель любые интересующие пользователя данные и оценить влияние того или иного фактора на результат. Активно используется для решения задач оптимизации. В случае отображения ассоциативных правил позволяет ввести элементы, входящие в транзакцию и получить все возможные следствия из введенного набора.

Обучающий набор

Выборка, используемая для построения модели. Цветом выделяются данные, попавшие в обучающее и тестовое множество с возможностью фильтрации. Необходима для понимания, какие записи и каким образом использовались при построении модели.

Диаграмма прогноза

Применяется после  использования метода обработки – прогнозирование. Прогнозные значения выделяются на диаграмме цветом.

Таблица сопряженности

Предназначена для оценки результатов классификации  вне зависимости от используемой модели. Таблица сопряженности отображает результаты сравнения категориальных значений исходного выходного столбца и категориальных значений рассчитанного выходного столбца. Используется для оценки качества классификации. Предусмотрены механизмы анализа отклонений.

Диаграмма рассеяния

График отклонения прогнозируемых при помощи модели значений от реальных. Может быть построен только для непрерывных величин и только после использования механизмов построения модели, например, нейросети или линейной регрессии. Используется для визуальной оценки качества построенной модели. Встроенное автоматическое построение гистограммы распределения ошибки.

Общие

Сведения

Текстовое описание параметров импорта/обработки/экспорта/подключения. Поддерживается возможность экспорта информации в HTML и текстовый файл.