В работе дан краткий обзор публикаций по кластеризации данных с помощью методов регрессионного анализа. Приведено краткое описание известного способа разбиения выборки данных на подвыборки на основе разделяющих регрессий, сводящегося к задаче минимизации сумм ошибок аппроксимации на всех этих подвыборках. Кроме того, рассмотрен способ решения задачи кластеризации с помощью обобщенного критерия согласованности поведения и его непрерывной формы. Решен численный иллюстративный пример.
Монография посвящена одному из основных инструментов анализа данных – регрессионному анализу. Предложены новые способы решения проблем, возникающих на этапах спецификации, параметризации и верификации регрессионных моделей. В основе предлагаемых методик лежит аппарат математического программирования, в том числе, линейно-булевого программирования. Для решения поставленных задач разработано специализированное программное обеспечение, также рассмотренное в данной работе. Значительное внимание уделяется решению конкретных прикладных задач анализа данных.
Предназначена для специалистов, занимающихся вопросами математического моделирования и анализа данных в области техники, экономики, социологии, медицины и бизнеса, а также может быть полезна студентам, магистрантам и аспирантам.