Общеизвестно, что вопрос о выборе признаков при построении классификационного правила в задачах Data Mining (DM) и Big Data (BD), является одним из важнейших. В то же время, этот выбор, как правило, осуществляется в рамках общей, достаточно известной модели познания, хотя это не всегда осознается. При этом выбор системы признаков для описания объектов напрямую влияет на качество обучающей выборки (ОВ). Активное применение методов DM и BD ставит новые вопросы, касающиеся того, правильно ли понимаются их возможности и что может быть в них улучшено с точки зрения научного познания.

Цель исследования: в рамках методологии научного познания предложить оценку качества ОВ и соответствующего признакового пространства. Это позволит повысить эффективность применения методов DM и BD как специалистами в этой области, так и широкими кругами профессионалов в различных других областях, которым необходим интеллектуальный анализ эмпирических данных.

Before the global pandemic struck in 2020 and the world was turned on its head, artificial intelligence (AI), and specifically the branch of AI known as machine learning (ML), were already causing widespread disruption in almost every industry.

Y. P. Adler

“Big Data” is an important new trend related to the collection and analysis of huge data sets, for example, such as those that cannot be contained by an ordinary computer. It opens up the incredible possibilities to almost all areas of human activity.

Автор: Ю. П. Адлер

«Большие данные» («Big Data») – важное новое направление, связанное со сбором и анализом очень больших массивов данных, например, таких, что не помещаются в обычный компьютер. Это открывает неслыханные возможности практически во всех областях человеческой деятельности.