IV

•

••

•

Interpretacja zjawiskowa parametrów modelu

Faza ta wymaga sięgnięcia do podstaw teorii badanego
problemu i wiąże się często z konsolidacją i prezentacją
wydobytej wiedzy. Faza prezentacji łączy ze sobą dwie
funkcje. Są nimi analiza wyekstrahowanej wiedzy oraz
prawdzenie, czy wiedza spełnia wymagania początkowe
do jej zastosowania w rzeczywistych aplikacjach. W a-
nalizie tego typu bardzo przydatne są różne techniki wi-
zualizacji danych i wzorców. Najbardziej elementarnym
sposobem jest tzw. wykres rozproszenia (ang. scatter
diagram). Traktuje on atrybuty jak wymiary w kartez-
jańskim układzie współrzędnym, przy czym wartości at-
rybutów są wartościami współrzędnych. Wtedy punkty
w takim układzie odpowiadają rekordom w zbiorze da-
nych. Pomocne jest odpowiednie graficzne przedstawie-
nie zbioru danych, w celu znalezienia zależności pomię-
dzy nimi. Zauważone wzorce mogą być uznane za go-
tową wiedzę (jeśli spełnia nasze wymagania) lub jako
mogą być wskazówką do dalszych poszukiwań, pozwa-
lającą na lepsze ich ukierunkowanie.

Mamy tu zatem:

(a) Otwarcie aplikacji,

(b) Wybór zbioru danych,
(c) Wskazanie atrybutu decyzyjnego

Interpretacja zjawiskowa (opracowanie) modelu

może zostać ułatwiona przez pracę nad warunkami two-
rzenia modelu, m. in. manipulujac takimi parametrami
jak:

(a)

Podziały, ich tworzenie i wykorzystanie

(b)

Wybór (wymuszanie) podziału

(c)

Wizualizacja węzła (w drzewie)