Содержание к диссертации
Введение
1. Анализ тенденций развития рынка кредитования, разработка внешнесистемных требований к автоматизированной системе информационной поддержки процессов кредитования 11
1.1. Тенденции развития и особенности рынка краткосрочного кредитования 11
1.2. Ситуационный подход к управлению процессом кредитования 17
1.2.1. Общая характеристика ситуационного подхода при кредитовании . 17
1.2.2. Методы принятия решений при ситуационном управлении 24
1.2.3. Подход к формализации процесса оценки состояния заемщика 27
1.3. Концептуальная модель процесса оценки кредитной ситуации 31
1.4. Характеристика задач, объектов и источников информации при оценке ситуации кредитования 36
1.4.1. Стратегическая цель и задачи кредитования 36
1.4.2. Характеристика объектов, образующих ситуацию кредитования 40
1.4.3. Характеристика источников информации о кредитной ситуации 43
1.5. Подход к оценке ценности информации в процессе кредитования 54
2. Синтез структурно-функциональной организации системы информационной поддержки оценки состояния заемщика 65
2.1. Формализация описания предметной области заемщика при оценке кредитной ситуации 65
2.2. Представление поступающей информации о кредитной ситуации и шкалы ее измерения 68
2.2.1 Вариант определения релевантности поступающих сообщений 71
2.2.2. Определение степени соответствия сообщения узлу формальной модели 72
2.3. Функциональное моделирование системы информационной поддержки решения о кредитовании 74
2.4. Разработка структурно-функциональной организации системы информационной поддержки решения о кредитовании заемщика 80
2.4.1. Структурно-функциональная организация системы информационной поддержки решения о кредитовании 80
2.4.2. Разработка хранилища данных 85
2.5. Структурно-параметрический синтез информационной подсистемы. 87
2.5.1. Онтология кредитной ситуации 87
2.5.2. Формализация онтологии 91
2.5.3. Выбор и обоснование метода анализа и обработки разнородных данных 95
3. Разработка метода анализа данных о состоянии объекта кредитования 102
3.1. Обоснование общей структуры информационно-аналитической
3.2. Разработка гипертекстовой базы знаний 103
3.2.1. Описание знаний в форме нечетких графов 103
3.2.2 Гипертекстовое описание базы знаний 106
3.2.3. Реализация поиска в гипертекстовой базе знаний 110
3.2.4. Пополнение гипертекста 111
3.3. Дерево принятия решений в условиях четкой и нечеткой информации 112
3.3.1. Дерево принятия решений в условиях четкой информации 112
3.3.2. Дерево принятия решений в условиях нечеткой информации 118
3.3.3. Настройки нечеткой базы знаний 122
3.3.4. Обучение сети по экспериментальным данным 124
4. Реализация методики поддержки принятия решений в процессе кредитования 133
4.1. Разработка БЗ 133
4.1.1. Разработка структуры ГТ, применительно к описанию кредитной ситуации 133
4.1.2 Структурная модель представления знаний в БД 135
4.1.3 Структурная модель представления данных в БД 140
4.2. Дерево вывода 142
4.3. Разработка системы информационной поддержки принятия решений 144
Заключение 146
Список литературы
- Общая характеристика ситуационного подхода при кредитовании
- Характеристика задач, объектов и источников информации при оценке ситуации кредитования
- Функциональное моделирование системы информационной поддержки решения о кредитовании
- Гипертекстовое описание базы знаний
Введение к работе
Диссертационная работа посвящена разработке и применению систем поддержки принятия решений (СШТР) в деятельности банковских учреждений, которые являются неотъемлемой частью финансовой системы всей страны.
В последнее время банковские учреждения активно осваивают рынок краткосрочного кредитования. Это связано с наметившейся стабилизацией экономики в целом, повышением благосостояния граждан и с изменениями законодательства. Так в отношении малого бизнеса упрощенная схема регистрации предпринимателей и юридических лиц, а также изменения в налогообложении приводят к быстрому росту числа индивидуальных предпринимателей и юридических лиц, на что не могут не обращать свое внимание банки. До сих пор кредитование малого бизнеса оставалось слаборазвитой областью, поэтому между банковскими учреждениями в настоящий момент наблюдается конкурентная борьба по завоеванию ниши краткосрочного кредитования мелкого предпринимательства, открываются новые банковские филиалы, набираются новые кадры, причем далеко не всегда с наличием опыта работы на данном сегменте рынка. Так, для банковских служащих необходимы следующие знания: структура и взаимодействие отделов внутри банка, процедура анализа бизнеса и залога, процедура выдачи кредита и последующий мониторинг финансового состояния заемщика и залогового обеспечения. Поэтому банковские учреждения нуждаются в разработке и применении системы информационной поддержки решения о кредитовании (СИПРК), способствующих повышению эффективности и качества труда в работе специалистов.
Деятельность любого российского предприятия сопряжена с рисками экономического, криминального, социально-политического, административно-правового и техногенного характера [21].
Источниками такого риска могут выступать:
партнеры и контрагенты;
криминальные структуры, стремящиеся приобрести влияние на предприятии;
недобросовестные конкуренты;
отдельные сотрудники предприятия, пытающиеся удовлетворить личные коммерческие интересы за его счет;
негосударственные организации и отдельные лица, специализирующиеся на проведении промышленного шпионажа;
и т.д.
С целью оценки этих рисков необходимо проводить комплексное изучение ситуации на предприятии и вокруг него.
В различных коммерческих банках, в зависимости от их внутренней структуры, эта работа распределяется между службой безопасности, специальным аналитическим отделом и кредитным отделом. Однако в настоящее время существует явное противоречие между необходимостью своевременной и достоверной оценки рисков кредитования и существующими информационно-аналитическими возможностями коммерческих банков, вследствие того, что в последних недостаточно развиты формальные средства по работе с нечеткой информацией, необходимой для более полного описания кредитной ситуации и позволяющей принимать качественное решение по кредитованию.
Разрешение этого противоречия возможно на пути создания и внедрения эффективных автоматизированных информационно-аналитических систем поддержки процессов кредитования.
При этом наиболее целесообразным при управлении процессом кредитования является использование ситуационного подхода.
Общая методология ситуационного управления рассмотрена в работах Поспелова Д.А. [70,71], Клыкова Ю.И.[45,46], Чекинова Г.П. [11,91] и др. Однако оценка кредитной ситуации имеет ряд специфических особенностей,
7 таких, как сложность определения платежеспособности из-за искажения подаваемой информации со стороны заемщика, необходимость рассмотрения дополнительных источников информации, описывающих кредитную ситуацию и представленных в нечетком виде.
Общие подходы и принципы построения информационных баз экономических информационных систем рассмотрены в работах Романова А.Н. [73, 74], Одинцова Б.Е.[64], Мишенина А.Щ61], Ротштейна А.Щ75-77] и др.
Тем не менее конкретные пути реализации системы информационной поддержки решения о кредитовании (СИПРК) применительно к ситуационному подходу при оценке экономических рисков недоопределенных дескрипторов системы (каковой является кредитная ситуация) требуют проведения самостоятельных исследований.
Таким образом, возникает актуальная научно-техническая задача по структурно-параметрическому синтезу системы информационной поддержки управленческих решений (советующей информационной системы) при кредитовании и ее исследований.
Поэтому целью работы является повышение эффективности управления процессом кредитования в банковских учреждениях на основе создания системы информационной поддержки решения о кредитовании.
В качестве показателей эффективности управления в диссертационной работе рассматриваются кредитные риски и оперативность принятия решения о выдаче кредита заемщику.
Для достижения поставленной цели решаются следующие задачи:
Анализ объектов и источников информации при ситуационном подходе к управлению процессом кредитования.
Разработка концептуальной модели оценки кредитной ситуации.
Формализация описания предметной области для анализа кредитной ситуации на основе оценки ценности информации о заемщике.
Разработка математической модели гипертекстовой базы знаний, базирующейся на использовании четких и нечетких графов.
5. Разработка дерева принятия решений в условиях четких и нечетких
данных.
6. Разработка структурно-функциональной организации системы ин
формационной поддержки решения о кредитовании, эксперимен
тальная оценка качества функционирования ее основных структур
ных элементов.
Объект исследования. Процессы и методы кредитования заемщиков в современных коммерческих банках.
Предмет исследования. Методы и средства информационной поддержки решений в условиях краткосрочного кредитования.
Методы исследований. При проведении исследований использовались методы системно-структурного анализа, теории графов, нечетких множеств, ситуационного управления, а также теории баз данных и знаний.
Научная новизна работы заключается в разработке:
1. Стратегии управления кредитованием, особенностью которой явля
ется использование ситуационного подхода, позволяющей учесть специфику
обработки четкой (документальной) и нечеткой информации о кредитной си
туации.
Концептуальной модели оценки кредитной ситуации как открытой системы в виде шести страт (плоскостей), отражающей важнейшие аспекты формализации добывания и обработки информации о заемщике и обеспечивающей формирование дерева целей, синтез структуры и обоснование внешне- и внутрисистемных характеристик СИПРК.
Формализованного описания предметной области заемщика на основе теоретико-множественного представления, особенностью которого является учет основных объектов (факторов), определяющих кредитную ситуацию и ценность информации, характеризующей отношения между ними.
Комбинированной базы знаний, структурированной в виде четкого и нечеткого гипертекста и соответствующего дерева принятия решения, отли-
9 чающегося композицией решений, формируемых как по четкой (документальной), так и нечеткой информации.
Практическая ценность диссертационной работы состоит в том, что синтезированная система управления информационной поддержки процессом кредитования позволяет на практике проводить своевременный анализ кредитной ситуации и принимать решение о предоставлении кредита заемщикам при улучшении качества кредитного портфеля за счет обработки четкой и нечеткой информации из разрозненных источников.
Предложенная система управления может найти широкое применение в банковских учреждениях, специализирующихся на кредитовании бизнеса различного масштаба.
На защиту выносятся следующие научные положения:
Стратегия управления кредитованием малого и среднего бизнеса, базирующаяся на ситуационном подходе и учитывающая особенности преобразования и обработки четкой и нечеткой информации о кредитной ситуации.
Концептуальная модель процесса оценки кредитной ситуации в виде шести плоскостей (страт), которая позволяет синтезировать открытую структурно-функциональную организацию системы информационной поддержки решений о кредитовании (СИПРК) и обосновать ее внешние и внутрисистемные характеристики.
Формализованное описание предметной области заемщика, особенностью которого является учет специфических факторов, определяющих кредитную ситуацию, финансово-экономические отношения между ними, а также ценность получаемой информации при описании информационных компонент.
Гипертекстовая база знаний, отличающаяся формированием как четкого, так и нечеткого гипертекста, позволяющая хранить и обрабатывать соответственно четкую (документальную) и нечеткую информацию.
Апробация и публикации по теме диссертации.
Основные положения и результаты диссертационной работы доклады-
10 вались и обсуждались на международной конференции «Системные проблемы надежности, качества, информационных и электронных технологий» (г.Сочи, 2002, 2004, 2005), III международной научно-технической конференции «Современные инструментальные системы, информационные технологии и инновации» (Курский ГТУ, 2005). Результаты работы рассматривались на семинарах кафедры «Информационные системы в экономике» КурскГТУ, проводимых в период с 2003 г. по 2005г.
По теме диссертации опубликовано 9 печатных работ, в том числе 2 статьи, 7 докладов.
Личный вклад автора.
В работах, опубликованных в соавторстве, разработана концептуальная модель процесса оценки платежеспособности заемщиков [37], в [38] лично автором разработана ее структура, особенностью которой является применение комбинированной базы знаний на основе модифицированного гипертекста, который декомпозирован на два структурных компонента, отражающих четкую и нечеткую информацию [32,34,35]. Данная база знаний используется в качестве основной подсистемы информационной поддержки кредитных экспертов. Автором проведены исследования по определению четких и нечетких потоков информационного обмена в процессе деятельности заемщиков [33,34,35]. Выявлены возможные источники получения информации и построена модель онтологии кредитной ситуации [37]. В [36,41,39] обосновывается целесообразность применения информационных систем для автоматизации принятия управленческих решений в кредитных и финансовых учреждениях.
Структура и объем работы.
Диссертация состоит из введения, четырех разделов, заключения, списка использованных источников (101 наименование) и 4 приложений. Общее количество машинописных страниц - 177, из них: 148 страниц основного текста, 34 рисунка, 9 таблиц.
Общая характеристика ситуационного подхода при кредитовании
Необходимо отметить, что при решении указанных проблемных вопросов в большинстве случаев приходится иметь дело с информацией, которая характеризуется неполнотой, неопределенностью, нечеткостью. При этом неоднозначно могут быть определены цели, критерии и исходные данные.
Установлено, что основная трудность и сложность автоматизации управления состоит в том, что циркулирующая в системе информация имеет в основном качественный, трудноформализуемый характер.
Новые технологии позволили перейти от фактов и знаний типа «знать где», «знать кто» к технологическим знаниям практического интеллекта -«знать как», «знать почему», «знать что». Иными словами, знать, как поступить в конкретной ситуации.
При создании систем интеллектуального управления, к классу которых можно отнести и системы поддержки принятия решений (СШ IP), применяемых в процессе кредитования, необходимо учитывать нахождение их на стыке трех дисциплин: традиционной теории автоматического управления, исследования операций и теории искусственного интеллекта.
Под термином «интеллектуальная система» в большинстве публикаций понимается объединенная информационным процессом совокупность технических средств и программного обеспечения, работающая во взаимодействии с человеком или автономно и способная на основании сведений от окружающей среды и в зависимости от собственного состояния принимать решение о действии и находить рациональные способы достижения цели [8,14].
Важнейшей задачей новых информационных технологий при генерации и оценке управленческих решений является сочетание оценок, полученных на основании математических методов с субъективными оценками ЛПР или эксперта, опирающегося на знания, опыт, интуицию, здравый смысл [19].
На практике в настоящее время получили применение такие направления, как инженерия знаний, обработка нечеткой информации, нейросетевая обработка и нейрокомпьютеры.
Использование экспертных систем позволяет выражать предпочтение, субъективное суждение по данной проблеме эксперта или лица, принимающего решение.
Зарубежный опыт показывает, что интеллектуализации управления находится на этапе перехода к созданию автоматизированного управления с улучшенными динамическими характеристиками, способными к устойчивому поведению в условиях неопределенности используемой информации.
Необходимо заметить, что условия эксплуатации систем управления в настоящее время требуют углубленного исследования процессов управления в части интеграции методов оптимизации информационных процессов, моделей решения задач управления в условиях неполноты информации и риска, семиотических моделей ситуационного управления, методов разработки диалоговых человеко-машинных систем, методов количественной и качественной оценок ситуаций и принятия решений по ним, методов выявления и обработки знаний для конкретных проблемных областей и ситуаций и др.
На рисунке 1А приведена эволюция средств автоматизации и возможности семиотических систем [45]. В настоящее время основным методом исследования процессов является интеллектуальное имитационное моделирование. Ситуационное управление — одно из направлений создания интеллектуальных систем. При исследовании процесса кредитования заемщиков будем использовать такие понятия, как состояние, ситуация и событие [45].
Под состоянием будем понимать систематически наблюдаемые свойство, качество, значение определенных параметров, определяющие характеристики структуры управления.
Под ситуацией подразумевается реализованные или ожидаемые предыстории состояний за некоторый интервал времени. При описании ситуаций обязательным является и описание самого объекта, и системы управления с внешней средой.
Под событием понимают воздействие, оказываемое на заемщика извне или изнутри, т.к. он функционирует в определенной среде.
Под текущей кредитной ситуацией будем понимать совокупность всех сведений о структуре управления деятельности и его функционировании в данный момент времени.
Характеристика задач, объектов и источников информации при оценке ситуации кредитования
Согласно КМ, рассмотренной в разделе 1.3, в рамках рассматриваемой предметной области применительно к кредитным учреждениям были выделены следующие стратегические задачи: 1. Привлечение пассивов. 2. Размещение активов. 3. Получение прибыли. 4. Уменьшение издержек и убытков по кредитам. 5. Продвижение различных банковских продуктов.
Каждая стратегическая задача включает в себя частные стратегические задачи З ц, 3 ]2,..., З ш, решаемые органами, входящими в состав кредитных учреждений. Например, 1.1. Выгодные условия депозитов. 1.2. Страхование вкладов. 1.3. Привлечение средств юридических лиц. 1.4. Внедрение пластиковых карт. 2.1. Работа по увеличению кредитного портфеля по юридическим лицам. 2.2. Работа по увеличению кредитного портфеля по физическим лицам. 2.3. Усиление потребительского кредитования. 2.4. Развитие ипотечного кредитования. 2.5. Работа с ценными бумагами. 2.6. Развитие кредитования по пластиковым картам по зарплатным проектам. 2.7. Размещение денежных средств в различных финансовых учреждениях 3.1. Увеличение процентных ставок 3.2. Увеличение комиссии. 3.3. Доходы от прочих операций: выдача наличных денежных средств, безналичный перевод, премии страховых компаний. 4.1. Уменьшение сумм резерва на возможные потери по кредитам 4.2. Улучшение качества кредитного портфеля. 4.3. Уменьшение издержек при выдаче и сопровождении кредитов комплексного обслуживания клиентов. и т.д.
В рамках данной диссертационной работы будем рассматривать задачу уменьшения издержек и убытков по кредитам. Для решения этой задачи необходимо рассматривать и решать следующую подзадачу: улучшение качества кредитного портфеля.
Задачи, решаемые СИПРК, удобно представлять в виде дерева целей. Пример построения дерева целей представлен на рисунке 1.7.
Узлы дерева целей СИПРК имеют следующий смысл: С] - целевая функция системы кредитования, формулируемая как увеличение прибыли, получаемой коммерческим банком за счет уменьшения издержек и убытков по выдаваемым кредитам; СЦ - уменьшение издержек; С12 - уменьшение убытков; Сі и -уменьшение сумм резерва на возможные потери по ссудам (РВПС); С иг- уменьшение расходов, связанных с оценкой платежеспособности заемщика; Сі и- уменьшение расходов, связанных с оценкой залога; С пі- улучшение качества кредитного портфеля; С122-усиление контроля по оформлению кредитных документов; С ни- уменьшение сумм РВПС по портфелю однородных ссуд, то есть по группе ссуд со сходными характеристиками кредитного риска; С an — уменьшение сумм РВПС по конкретной ссуде; С ті - уменьшение транспортных расходов, связанных с посещением места бизнеса; СU22 - уменьшение расходов на получение информации о заемщике; СU23 - уменьшение времени оценки состояния заемщика; Сі 131 - уменьшение транспортных расходов, связанных с посещением места расположения залога; Сиз2 - уменьшение расходов на оценку залога; Сі из - уменьшение времени оценки залога; СИП - наличие полного описания кредитной ситуации для принятия решения о выдаче кредита; С1212 - наличие дополнительных гарантий по выдаваемому кредиту; С ив - оценка платежеспособности заемщика;
С им - осуществление мониторинга финансового состояния по выданному кредиту; С1215 - осуществление мониторинга состояния залога по выданному кредиту; С1221 - проведение внутренних проверок; С1222 - проведение инструктажа и тестирования;
Функциональное моделирование системы информационной поддержки решения о кредитовании
Функциональность СИПРК определяется в первую очередь ее назначением и целью создания системы подобного уровня в коммерческом банке.
Целью разрабатываемой функциональной модели СИПРК является автоматизация процесса поддержки принятия решений, обеспечивающая повышение оперативности принятия решений, связанных с выдачей кредита на основе комплексной оценки заемщика с одновременным ростом качества принимаемого решения.
На рисунке 2.1. представлена иерархия функций традиционной оценки кредитной ситуации, используемая в настоящее время в большинстве банков.
Данная иерархия функций является ветвью функционального дерева дея тельности коммерческого банка. Деятельность коммерческого банка Получение прибыли Уменьшения убытков и издержек Уменьшение невозвратности кредитных средств Оценка кредитной ситуации оценка залога оценка стоимости залога оценка ликвидности залога оценка поручительства оценка цели использования кредита оценка предпринимательской деятельности заемщика оценка ликвидности бизнеса оценка оборачиваемости кредиторской и дебиторской за оценка оборачиваемости товарно-материальных запасов оборачиваемость оборотного капитала соотношение суммы оборотных средств и суммы кредита соотношение суммы собственных средств и суммы кредита Иерархия функций оценки кредитной ситуации
На основании проведенного ранее анализа по выявлению основных информационных потребностей для обеспечения принятия управленческих решений, построение СИПРК схематически может быть представлено в виде совокупности функциональных модулей, позволяющих обеспечить автоматизированную обработку и управление информацией на различных уровнях управления (рисунок 2.2). При этом важнейшим требованием является обеспечение открытости системы.
Каждый из функциональных модулей, приведенных на схеме, выполняет определенные функции обработки управленческой информации (таблица 2.1).
Естественно, функциональность СИПРК не ограничивается перечнем основных функциональных возможностей рассмотренных модулей. Каждый из модулей системы представляет собой совокупность функциональных средств накопления, обработки и представления информации, выполненных в виде отдельных программных продуктов либо комплекса программных средств, определяющих функциональную полноту всей системы.
Для обеспечения функциональной полноты СИПРК необходима реализация на структурном уровне ряда требований, предъявляемых к ее функциональности. Учитывая существующие методы ведения бизнеса и рассмотренные в первом разделе настоящей диссертационной работы концептуальные методы совершенствования системы корпоративного управления, можно сформулировать ряд требований, которые в дальнейшем будут определять структуру разрабатываемой модели СИПРК.
При этом необходимо учитывать ряд следующих факторов: СИПРК, как и любая другая комплексная система, нуждается в управлении с целью обеспечения упорядоченного учета, хранения и обработки данных, а также их защиты от несанкционированного доступа, поскольку от актуальности данных, которыми оперирует СИПРК, зависит и оценка кредитной ситуации для последующего принятия решения о выдаче кредита.
Поскольку главной целью СИПРК является автоматизированная система поддержки принятия решения, а следовательно, предоставление в распоряжение конечного пользователя механизмов автоматизации функций по оценке кредитной ситуации, то средства СИПРК должны удовлетворять эргономическим требованиям и иметь дружественный интерфейс.
Таким образом, с учетом вышеперечисленных факторов, в качестве основных требований, предъявляемых к функциональности СИПРК, можно выделить: 1. Обеспечение сбора данных о заемщике и контрагентах из различных источников и их сохранение в хранилище данных. 2. Обеспечение единого информационного пространства: а) внутрисистемная информационная связанность; б) множественность интерфейсов, виртуальность и однородность их технической реализации. 3. Настраиваемость на конкретных пользователей: а) описание структуры, состава, функций и полномочий пользователей; б) настройка пользовательского интерфейса (формы, отчеты, меню); 4. Администрирование систем, входящих в состав СИПРК: а) информационное и техническое резервирование, включая создание резервного информационного центра; б) множественность уровней защиты от сбоев и несанкционированно го доступа; в) авторизация и контроль доступа в систему на уровне групп пользователей. 5. Многоуровневая и многоаспектная система анализа и подготовки решения с гибким и развитым графическим пользовательским ин терфейсом.
Гипертекстовое описание базы знаний
Первый этап является традиционным для технологии нечетких экспертных систем [101]. На этом этапе осуществляется формирование и грубая настройка модели объекта путем построения базы знаний по доступной экспертной информации. Для грубой настройки весов правил и форм функций принадлежности применяется модифицированный метод парных сравнений Саати, предложенный в [99].
Чем выше профессиональный уровень эксперта, тем выше адекватность нечеткой модели, построенной на этапе грубой настройки. Эта модель названа чистой экспертной системой, поскольку для ее построения использу ется только экспертная информация [77]. Однако нельзя гарантировать совпадение результатов нечеткого логического вывода (теории) и экспериментальных данных. Поэтому необходим второй этап, на котором осуществляется тонкая настройка нечеткой модели путем ее обучения по экспериментальным данным.
Суть этапа тонкой настройки состоит в подборе таких весов нечетких правил «ЕСЛИ-ТО» и таких параметров функций принадлежности, которые минимизируют различие между желаемым (экспериментальным) и модельным (теоретическим) поведением объекта.
Этап тонкой настройки формулируется как задача нелинейной оптимизации, которая может решаться различными методами, среди которых наиболее универсальным является наискорейший спуск [15, 69, 73.77]. Однако при большом количестве входных переменных и нечетких термов в базе знаний применение метода наискорейшего спуска требует поиска минимума из разных начальных точек, что существенно увеличивает затраты машинного времени. Поэтому в данной работе предлагается тонкая настройка нечеткой базы знаний с применением генетических алгоритмов оптимизации. Эти алгоритмы являются аналогом случайного поиска [92], который ведется одновременно из разных начальных точек, что сокращает время поиска оптимальных параметров нечеткой модели.
Как отмечалось выше, одним из этапов настройки сети является тонкая настройка по экспериментальным данным. Рассмотрим правила, относящиеся к данному этапу.
Пусть задано некоторое обучающее множество Т содержащее объекты (примеры выданных кредитов), каждый из которых характеризуется т атри бутами, причем один из них указывает на принадлежность объекта к определенному классу.
Построение дерева решений на основе множества Т, приведем по методу Р. Куинлена (R. Quinlan).
Пусть через {С], С2, ... С к) обозначены классы (значения метки класса), тогда существуют 3 ситуации:
1. Множество Г содержит один или более примеров, относящихся к одному классу С . Тогда дерево решений для Т- это лист, определяющий класс Ск
2. Множество Т не содержит ни одного примера, т.е. пустое множество. Тогда это снова лист, и класс, ассоциированный с листом, выбирается из другого множества, отличного от Т, например, из множества, ассоциированного с родителем.
3. Множество Г содержит примеры, относящиеся к разным классам. В этом случае следует разбить множество Т на некоторые подмножества. Для этого выбирается один из признаков, имеющий два и более отличных друг от друга значений О і, О2, ... Оп. Т разбивается на подмножества Г/, 7 , ... Т„, где каждое подмножество 7} содержит все примеры, имеющие значение О, для выбранного признака. Это процедура будет рекурсивно продолжаться до тех пор, пока конечное множество не будет состоять из примеров, относящихся к одному и тому же классу.
Вышеописанная процедура лежит в основе многих современных алгоритмов построения деревьев решений, этот метод известен еще под названием разделения и захвата (divide and conquer). Очевидно, что при использовании данной методики построение дерева решений будет происходит сверху вниз.
Поскольку все объекты были заранее отнесены к известным нам классам, такой процесс построения дерева решений называется обучением с учителем (supervised learning). Процесс обучения также называют индуктивным обучением, или индукцией деревьев (tree induction).
