# Loginom Wiki

> Список терминов по аналитике

- [Алгоритмы](https://wiki.loginom.ru/algorithms.html.md) : Список терминов по аналитике в категории «Алгоритмы»
- [Правило трех сигм (3-sigma rule)](https://wiki.loginom.ru/articles/3-sigma-rule.html.md) : Правило утверждает, что вероятность отклонения случайной величины от своего математического ожидания более чем на три среднеквадратических отклонения практически равна нулю.
- [А/Б-тестирование (A/B testing)](https://wiki.loginom.ru/articles/ab-testing.html.md) : Проверка значимости различия двух реализаций случайной переменной. Часто применяется в маркетинге для оценки влияния какого-либо признака на результат — скажем, разных вариантов дизайна сайта на конверсию клиентов.
- [Брошенная корзина (Abandoned cart)](https://wiki.loginom.ru/articles/abandoned-cart.html.md) : В электронной коммерции ситуация, когда клиент при посещении веб-сайта компании добавляет в электронную корзину один или несколько товаров, но по какой-либо причине отказывается от завершения покупки до оформления заказа.
- [Анализ ABC (ABC-analysis)](https://wiki.loginom.ru/articles/abc-analysis.html.md) : Метод разделения ресурсов (товаров, клиентов, партнеров) на три категории — самые ценные (А), промежуточные (В) и наименее ценные (С). В основе лежит принцип Парето — 20% ресурсов дают 80% результата.
- [Прямая реклама (Direct Advertising)](https://wiki.loginom.ru/articles/above-the-line.html.md) : Реклама для широкой аудитории с обезличенным рекламным сообщением. Размещается посредством традиционных каналов — СМИ, наружная (outdoor) и внутренняя (indoor) реклама.
- [Автокорреляционная функция (Autocorrelation function)](https://wiki.loginom.ru/articles/acf.html.md) : Показывает степень линейной статистической связи между значениями временного ряда. Представляет собой последовательность коэффициентов корреляции между исходным рядом, и его копией, сдвинутой на заданное число интервалов ряда. Позволяет обнаруживать во временных рядах тенденции и циклические компоненты,
- [Активационная функция нейрона (Activation function)](https://wiki.loginom.ru/articles/activation-function.html.md) : В теории нейронных сетей — функция, где аргумент — взвешенная сумма входов, а значение — выход нейрона. От вида и формы активационной функции зависит выбор алгоритма обучения сети.
- [Нерегламентированный запрос (Ad hoc query)](https://wiki.loginom.ru/articles/ad-hoc-query.html.md) : Нестандартный запрос к базе или хранилищу данных с целью получить информацию, необходимую для принятия решения в нестандартной ситуации. Выполняется в случае недостаточности информации, получаемой с помощью регламентированных запросов.
- [Нерегламентированная отчетность (Ad hoc reporting)](https://wiki.loginom.ru/articles/ad-hoc-reporting.html.md) : Нестандартные отчеты, под которые не оптимизировано быстродействие хранилища или витрины данных. Обычно требуются в исключительных случаях, когда регулярной отчетности недостаточно для принятия решения.
- [Адаптивная модель прогнозирования (Adaptive model of forecasting)](https://wiki.loginom.ru/articles/adaptive-model-of-forecasting.html.md) : Самонастраивающаяся рекуррентная модель, способная давать достаточно точные оценки будущих значений временного ряда даже в условиях его высокой изменчивости. Актуальна для динамичных бизнес-процессов, фондовых и товарно-сырьевых рынков.
- [Показатель аддитивный (Additive measure)](https://wiki.loginom.ru/articles/additive-measure.html.md) : Показатель (факт), в многомерном хранилище данных, который можно агрегировать по всем связанным с ним измерениям.
- [Агрегатный взрыв (Aggregate explosion)](https://wiki.loginom.ru/articles/aggregate-explosion.html.md) : Многократное возрастание объема данных в хранилище или базе данных за счет хранения вместе с детализированными данными различных агрегированных значений. Риску агрегатного взрыва больше подвержены многомерные хранилища.
- [Прогноз агрегированный (Aggregating forecast)](https://wiki.loginom.ru/articles/aggregating-forecast.html.md) : Методика, когда сначала строятся отдельные прогнозы для составных частей системы, а затем они агрегируются в прогноз для всей системы. Например, прогнозы по отдельным магазинам комбинируются в прогноз для всей сети.
- [Агрегирование (Aggregation)](https://wiki.loginom.ru/articles/aggregation.html.md) : Приведение детализированных данных к некоторому обобщенному представлению. Заключается в вычислении агрегатов — значений, получаемых преобразованием исходного набора данных, например, суммы, среднего, медианы, максимального или минимального значений.
- [Искусственный интеллект (Artificial intelligence)](https://wiki.loginom.ru/articles/ai.html.md) : Научное направление, предметом которого является имитация процесса мышления человека с помощью компьютера. Решает задачи аппаратного и программного моделирования интеллектуальных видов человеческой деятельности.
- [Информационный критерий Акаике (Akaike's information criterion)](https://wiki.loginom.ru/articles/aic.html.md) : Критерий для выбора лучшей из статистических моделей, построенных на одном и том же наборе данных и использующих логарифмическую функцию правдоподобия. Позволяет найти компромисс между сложностью модели и ее точностью.
- [Информационный критерий Акаике скорректированный (Akaike's information criterion corrected)](https://wiki.loginom.ru/articles/aicc.html.md) : Модифицированный критерий Акаике, который применяется для выборок малого размера, когда отношение числа содержащихся в выборке примеров к числу параметров модели меньше 40. Т.е. вводится поправка на ограниченный объем выборки.
- [Искусственный интеллект для ИТ-операций (Artificial Intelligence for IT Operations)](https://wiki.loginom.ru/articles/aiops.html.md) : Концепция и комплекс технологий применения искусственного интеллекта для повышения эффективности IT-структур компании.
- [Алгоритм C4.5 (Algorithm C4.5)](https://wiki.loginom.ru/articles/algorithm-C-4-5.html.md) : Улучшенная модификация алгоритма ID3 для построения деревьев решений. Использует критерий информационной энтропии, или прироста информации. Способен работать с непрерывными и дискретными атрибутами и обучаться на данных, содержащих пропуски.
- [Алгоритм ID3 (ID3 algorithm)](https://wiki.loginom.ru/articles/algorithm-id3.html.md) : Наиболее популярный алгоритм обучения деревьев решений. Основан на рекурсивном разбиении обучающего множества на подмножества с помощью решающих правил. Целью является получение компактного, простого, но достаточно точного дерева.
- [Альтернативная гипотеза (Alternative hypothesis)](https://wiki.loginom.ru/articles/alternative-hypothesis.html.md) : Тип предположений в статистических тестах, используемых для получения выводов или суждений на основе данных. Является взаимоисключающей альтернативой нулевой гипотезе и содержит противоположное ей утверждение.
- [Аналитический CRM (Analytical CRM)](https://wiki.loginom.ru/articles/analytical-crm.html.md) : Направление в области управления взаимоотношениями с клиентами, характеризуемое систематическим анализом данных о клиентах и совершаемых ими транзакциях. Активно использует технологии анализа данных.
- [Аналитический модуль (Analytical module)](https://wiki.loginom.ru/articles/analytical-module.html.md) : Компонент информационной системы, который решает задачи анализа данных. При этом сама система предназначена для решения иных задач — например, управления запасами, цепочками поставок или отношениями с клиентами.
- [Аналитическая платформа (Analytical platform)](https://wiki.loginom.ru/articles/analytical-platform.html.md) : Специализированное программное обеспечение для извлечения скрытых зависимостей и закономерностей из больших массивов данных. Позволяет создавать законченные аналитические решения — от извлечения данных до формирования отчетности.
- [Дисперсионный анализ (Analysis of variance)](https://wiki.loginom.ru/articles/anova.html.md) : Статистический метод для определения влияния различных факторов на исследуемую переменную. Применяется для выбора наиболее важных факторов и оценки их влияния.
- [Метод муравьиной колонии (Ant colony optimization)](https://wiki.loginom.ru/articles/ant-colony-optimization.html.md) : Алгоритм для нахождения приближенных решений задач оптимизации на графах, таких как задача коммивояжера, транспортная задача и аналогичных. Используется во многих приложениях анализа.
- [Антифрод (Antifraud)](https://wiki.loginom.ru/articles/antifraud.html.md) : Система борьбы с мошенничествами. Интегрируется в информационную систему компании для сбора и анализа данных. В функцию может входить автоматическое принятие мер против мошенничества — блокировка банковского счета, отключение абонента и т.п.
- [Аппликационный скоринг (Application scoring)](https://wiki.loginom.ru/articles/application-scoring.html.md) : Оценка платежеспособности заемщика с целью минимизации рисков кредитной организации. Метод основан на вычислении скорингового балла, исходя из анкетных данных заемщика, и сравнении его с пороговым значением.
- [Аппроксимация (Approximation)](https://wiki.loginom.ru/articles/approximation.html.md) : Математический метод, который сводит задачу исследования характеристик объекта к изучению более простых или более удобных объектов. Например, неизвестная функция, описывающая реальные наблюдения, заменяется известным уравнением.
- [Алгоритм Apriori (Apriori algorithm)](https://wiki.loginom.ru/articles/apriori.html.md) : Алгоритм поиска ассоциативных правил, которые генерируются на основе всех обнаруженных частых предметных наборов и удовлетворяют заданному уровню поддержки и достоверности. Позволяет сократить пространства поиска благодаря свойству антимонотонности множеств.
- [Алгоритм AQ (AQ algorithm)](https://wiki.loginom.ru/articles/aq-algorithm.html.md) : Разновидность алгоритмов покрытия. Формирует классификатор, состоящий из набора правил вида «если, то». В машинном обучении строится на основе обучения с учителем.
- [Кривые AR-BR (AR-BR-curves)](https://wiki.loginom.ru/articles/arbr-curves.html.md) : Графический инструмент для оценивания качества скоринговой модели. Показывает связь между процентной долей одобренных заявок и соответствующей долей «плохих» кредитов для каждого значения точки отсечения скоринговой модели.
- [Модель авторегрессии скользящего среднего (ARIMA)](https://wiki.loginom.ru/articles/arima.html.md) : Модель авторегрессии скользящего среднего, наиболее полно и компактно описывающая автокорреляционные свойства стационарного временного ряда. Широко применяется при прогнозировании временных рядов.
- [Расширенная модель авторегрессии скользящего среднего (ARIMAX)](https://wiki.loginom.ru/articles/arimax.html.md) : Модель авторегрессии скользящего среднего с расширениями, которая учитывает влияние внешнего фактора на прогнозируемую величину.
- [Артефакт (Artifact)](https://wiki.loginom.ru/articles/artifakt.html.md) : Явление, процесс, предмет или свойство, возникновение которого в наблюдаемых условиях невозможно или маловероятно. Служит признаком целенаправленного вмешательства в процесс или наличия неучтенных факторов.
- [Нейрон искусственный (Artificial neuron)](https://wiki.loginom.ru/articles/artificial-neuron.html.md) : Математическая модель биологического нейрона — вычислительный элемент, являющийся основой для построения искусственных нейронных сетей. Применяется в искусственном интеллекте и машинном обучении.
- [Поддержка ассоциативного правила (Association Rule Support)](https://wiki.loginom.ru/articles/association-rule-support.html.md) : Показатель, характеризующий качество ассоциативного правила. Является мерой надежности, с которой ассоциативное правило выражает связь между условием и следствием.
- [Ассоциативное правило (Association Rule)](https://wiki.loginom.ru/articles/association-rules.html.md) : Зависимость, характеризующая вероятность наступления одного события вместе с другим — например, совместного выбора товаров покупателем. Широко используется в маркетинге, мерчендайзинге, прогнозировании аварийных ситуаций.
- [Анализ ассортимента (Assortment analysis)](https://wiki.loginom.ru/articles/assort-analysis.html.md) : Процесс изучения состава и структуры ассортимента товаров и услуг компании с целью оценки его соответствия текущим и перспективным условиям рынка для формирование обоснованных выводов о том, какие продукты и услуги компании приносят наибольшую прибыль, а от каких следует отказаться. По результатам анализа проводится оптимизация ассортимента.
- [Ассортиментная матрица (Assortment matrix)](https://wiki.loginom.ru/articles/assortment-matrix.html.md) : Сформированный и утвержденный перечень ассортиментных позиций или SKU, которые будут предлагаться клиентам в конкретной точке продаж.
- [Атомарные данные (Atomic data)](https://wiki.loginom.ru/articles/atomic-data.html.md) : Атрибут, который хранит неделимое значение и не является ни списком, ни множеством. Понимание, какие атрибуты являются атомарными, важно при организации баз и хранилищ данных.
- [Атрибут (Attribute)](https://wiki.loginom.ru/articles/attribute.html.md) : Признак, характеризующий определенное свойство исследуемого объекта или процесса. При построении аналитических моделей атрибуты используются в качестве зависимых (выходных) или независимых (входных) переменных.
- [Площадь под ROC-кривой (Area Under The ROC Curve)](https://wiki.loginom.ru/articles/auc.html.md) : Часть координатной плоскости под графиком ROC-кривой. В математической статистике и машинном обучении является мерой качества модели бинарной классификации. В идеальной модели площадь под ROC-кривой максимальна и равна 1.
- [Расширенная аналитика (Augmented analytics)](https://wiki.loginom.ru/articles/augmented-analytics.html.md) : Направление в бизнес-аналитике, в котором используется машинное обучение, элементы искусственного интеллекта и обработка естественного языка для автоматизации процессов анализа, обычно выполняемых профессиональными аналитиками данных.
- [Автоматическое машинное обучение (Automated machine learning)](https://wiki.loginom.ru/articles/auto-ml.html.md) : Технология и набор практик автоматизации сквозного процесса разработки и построения моделей машинного обучения с целью упростить и ускорить его, а также сделать доступным даже для работников, не имеющих соответствующего образования и опыта.
- [Автозаказ (Auto Order)](https://wiki.loginom.ru/articles/auto-order.html.md) : Комплекс процессов автоматического управления запасами и заказами, а также реализующая их электронная система. В основном применятся в розничной торговле и дистрибуции.
- [Автокорреляция (Autocorrelation)](https://wiki.loginom.ru/articles/autocorrelation.html.md) : Мера статистической связи между функцией и ее копией, сдвинутой на некоторый интервал, называемый лагом. В анализе данных автокорреляция широко используется для анализа и моделирования временных рядов.
- [Автоматизация (Automation)](https://wiki.loginom.ru/articles/automation.html.md) : Технология построения производственных, бизнес- и других процессов с минимальным вмешательством человека или вообще без него. Одно из важнейших направлений — автоматизация процессов сбора и анализа данных для поддержки принятия управленческих решений.
- [Авторегрессионная модель (Autoregressive model)](https://wiki.loginom.ru/articles/autoregressive-model.html.md) : Модель временного ряда, в которой его текущее значение линейно зависит от предыдущих (ретроспективных) значений. Основное назначение — прогнозирование, выявление тенденций и других особенностей.
- [Алгоритм обратного распространения ошибки (Back propagation algorithm)](https://wiki.loginom.ru/articles/back-propagation-algorithm.html.md) : Один из наиболее известных алгоритмов машинного обучения и обучения нейронных сетей. Использует выходную ошибку нейронной сети для вычисления величин коррекции весов нейронов в ее скрытых слоях.
- [Мешок слов (Bag of words)](https://wiki.loginom.ru/articles/bag-of-words.html.md) : Мешок слов — представление текста в виде массива, состоящего из отдельных слов и количества их использования. Применяется при анализе естественного языка и в составе алгоритмов компьютерного зрения. Является подготовительной стадией для подсчета метрики «tf-idf».
- [Иерархия сбалансированная (Balanced hierarchy)](https://wiki.loginom.ru/articles/balanced-hierarchy.html.md) : Иерархическая структура, в которой все ветви имеют одинаковую «глубину». Удобна для визуального анализа, поскольку на каждом уровне представлена однотипная информация, а все его элементы логически эквивалентны.
- [Сбалансированная система показателей (Balanced Scorecard)](https://wiki.loginom.ru/articles/balanced-scorecard.html.md) : Стратегия управления эффективностью деятельности компании, основанная на ее декомпозиции на уровни операционного управления и контроля на основе ключевых показателей эффективности (KPI).
- [Базис векторный (Basis of vector space)](https://wiki.loginom.ru/articles/basis-of-vector-space.html.md) : Множество линейно независимых векторов векторного пространства, с помощью линейных комбинаций которых могут быть представлены все его остальные векторы. Размерность векторного пространства равна количеству векторов, составляющих его базис.
- [Пакетная аналитика (Batch analytics)](https://wiki.loginom.ru/articles/batch-analytics.html.md) : Направление в бизнес-аналитике, при котором данные анализируются после того, как они были собраны в пакеты, сохраненные на постоянных носителях.
- [Пакетный режим (Batch processing)](https://wiki.loginom.ru/articles/batch-processing.html.md) : Режим работы компьютера, реализующий многозадачность, когда система обрабатывает заранее сформированный пакет заданий пользователя без вмешательства последнего. Эффективен при загрузке и обновлении больших объемов информации в базах данных.
- [Теорема Байеса (Bayes’ theorem)](https://wiki.loginom.ru/articles/bayes-theorem.html.md) : Определяет вероятность события с привлечением связанных с ним знаний и условий. Например, если вероятность просрочки по кредиту связана со стажем работы клиента, то учет стажа позволяет более точно оценить вероятность просрочки.
- [Байесовский классификатор (Bayesian classifier)](https://wiki.loginom.ru/articles/bayesian_classifier.html.md) : Семейство простых вероятностных классификаторов, основанных на использовании теоремы Байеса и «наивном» предположении о независимости признаков классифицируемых объектов.
- [Байесовский подход (Bayesian approach)](https://wiki.loginom.ru/articles/bayesian-approach.html.md) : Направление в менеджменте, основанное на принципе максимального использования имеющейся априорной информации о процессах, ее непрерывного пересмотра и переоценки с учетом получаемых выборочных данных. Применяется при распределении капитальных вложений, управлении запасами и т.д.
- [Сеть Байеса (Bayesian Network)](https://wiki.loginom.ru/articles/bayesian-network.html.md) : Направленный ациклический граф, представляющий совместное распределение случайных переменных. Позволяет ослабить требование к условной независимости признаков и применить простой классификатор Байеса.
- [Поведенческая аналитика (Behavioral analytics)](https://wiki.loginom.ru/articles/behavioral-analytics.html.md) : Анализ потребительского поведения пользователей платформ электронной коммерции, мобильных и веб-приложений, он-лайн игр и других сетевых ресурсов. Позволяет обнаруживать шаблоны потребительского поведения.
- [Поведенческий скоринг (Behavioral scoring)](https://wiki.loginom.ru/articles/behavioral-scoring.html.md) : Метод количественной оценки состояния кредитоспособности заемщика, основанный на данных об истории операций по его счетам (график погашения задолженности, запросы новых кредитов, оборот по текущим счетам и т.п.).
- [Бенчмаркинг (Benchmarking)](https://wiki.loginom.ru/articles/benchmarking.html.md) : Технология управления и планирования деятельности предприятий, заключающаяся в непрерывном исследовании и оценке уровня продукции, услуг и методов работы других предприятий с целью совершенствования собственных методов работы.
- [Байесовский информационный критерий (Bayesian information criterion)](https://wiki.loginom.ru/articles/bic.html.md) : Критерий выбора статистической модели. Задача состоит в том, чтобы включить в модель минимум параметров, которые, тем не менее, вносили бы наибольший вклад в значение функции правдоподобия.
- [Бифуркация (Bifurcation)](https://wiki.loginom.ru/articles/bifurcation.html.md) : В теории динамических систем — процесс перехода системы из некоторого критического состояния в новое и устойчивое, которому соответствует иная траектория перемещения в фазовом пространстве.
- [Большие данные (Big data)](https://wiki.loginom.ru/articles/big-data.html.md) : Массивы данных, объемы которых настолько велики, что их обработка традиционными средствами становится неэффективной или невозможной. А также комплекс средств и методов для обработки и анализа таких данных.
- [Бинарная классификация (Binary classification)](https://wiki.loginom.ru/articles/binary-classification.html.md) : Классификация с бинарной выходной переменной, которая может принимать только два значения. Относит объект к одному из двух классов. К бинарной может быть сведено множество задач классификации в Data Mining.
- [Бинарная переменная (Binary variable)](https://wiki.loginom.ru/articles/binary-variable.html.md) : Дискретная переменная, принимающая только два значения, например, 0 и 1, Да и Нет. Многие задачи анализа данных могут быть сведены к бинарной классификации — медицинская диагностика (болен/здоров), оценка лояльности клиентов (лоялен/не лоялен) и другие.
- [Квантование (Binning)](https://wiki.loginom.ru/articles/binning.html.md) : Процесс обработки данных, который преобразует непрерывные данные в дискретные путем замены значений диапазонами. Может использоваться для сокращения размерности данных, а именно для уменьшения числа разнообразных значений признака.
- [Черный ящик (Black box)](https://wiki.loginom.ru/articles/black-box.html.md) : Объект, который рассматривается с точки зрения входов и выходов, без знания его внутренней работы. Понятие используется в системотехнике, кибернетике, физике и т.д. для обозначения системы, структура которой неважна в рамках данной задачи.
- [Бустинг (Boosting)](https://wiki.loginom.ru/articles/boosting.html.md) : В теории машинного обучения — метод построения ансамбля моделей, при котором базовые модели обучаются последовательно и каждая последующая модель ансамбля применяется к результатам на выходе предыдущей.
- [Бэггинг (Bootstrap aggregating)](https://wiki.loginom.ru/articles/bootstrap-aggregating.html.md) : В теории машинного обучения — метод построения ансамбля моделей, в котором обучение базовых моделей производится параллельно. Каждая модель обучается на отдельной выборке. Позволяет улучшить точность алгоритмов, уменьшить дисперсию ошибки и эффект переобучения.
- [Бутстрап (Bootstrap)](https://wiki.loginom.ru/articles/bootstrap.html.md) : Статистическая процедура, основанная на выборке с замещением для определения точности выборочных оценок дисперсии, среднего, стандартного отклонения, доверительных интервалов и других структурных характеристик совокупности.
- [Матрица BCG (Boston Consulting Group Matrix)](https://wiki.loginom.ru/articles/boston-consulting-group-matrix.html.md) : Инструмент для анализа продуктовых линеек, который делит продукты на четыре категории в зависимости от доли рынка и динамики продаж. Применяется для стратегического анализа, прогнозирования продаж, формирования продуктовых линеек.
- [Ящик с усами (Box-plot)](https://wiki.loginom.ru/articles/box-plot.html.md) : График, использующийся в описательной статистике для компактного и наглядного представления одномерного распределения вероятностей.
- [Управление эффективностью бизнеса (Business performance management)](https://wiki.loginom.ru/articles/bpm.html.md) : Совокупность процессов для повышения эффективности бизнеса. BPM позволяет предприятию определять, измерять и управлять эффективностью своей деятельности, направленной на достижение стратегических целей.
- [Точка безубыточности (Break-event point)](https://wiki.loginom.ru/articles/break-event-point.html.md) : Показатель минимального объема продаж, при котором организация покрывает расходы, но не получает прибыль. Расчет точки безубыточности производится в рамках решения задачи анализа издержек компании.
- [Управление бизнес-семантикой (Business semantics management)](https://wiki.loginom.ru/articles/bsm.html.md) : Методологический подход к управлению семантикой (значением и контекстом) бизнес-данных, процессов и правил внутри организации, целью которого является, чтобы любые данные внутри нее имели единое понимание и интерпретацию.
- [Непрямая реклама (Below-the-line)](https://wiki.loginom.ru/articles/btl.html.md) : Технология маркетинга, ориентированная на непосредственные, личные коммуникации с потребителями, а также продвижение не отдельных товаров, а брендов в целом или товарных групп.
- [Бизнес-логика (Business logic)](https://wiki.loginom.ru/articles/busines-logic.html.md) : Система бизнес-правил, описывающих поведение объектов и процессов предметной области. В разработке программного обеспечения бизнес-логикой также называются реализующие ее программные модули.
- [Бизнес-цикл (Business cycle)](https://wiki.loginom.ru/articles/business-cycle.html.md) : Регулярные колебания уровня деловой активности относительно долгосрочной тенденции. Учет особенностей каждого этапа цикла важен при разработке стратегии анализа данных, методов их предобработки и выборе аналитических моделей.
- [Бизнес-окружение (Business environment)](https://wiki.loginom.ru/articles/business-environment.html.md) : Совокупность внешних факторов, влияющих на работу компании (покупатели, конкуренты, госструктуры, тенденции рынка т.п.). Аналитические технологии Data Mining позволяют учитывать воздействие таких факторов при выработке управленческих решений.
- [Бизнес-интеллект (Business Intelligence)](https://wiki.loginom.ru/articles/business-intelligence.html.md) : Методы и средства повышения эффективности бизнеса за счет использования систем поддержки принятия решений. Включает программную и техническую инфраструктуру для сбора, хранения и аналитической обработки бизнес-данных.
- [Бизнес-процесс (Business process)](https://wiki.loginom.ru/articles/business-process.html.md) : Система последовательных видов деятельности, в которой посредством управляющего воздействия и при поддержке определенных ресурсов входы процесса преобразуются в выходы (результаты), представляющие ценность для предприятия или потребителей.
- [Призыв к действию (Call to action)](https://wiki.loginom.ru/articles/call-of-action.html.md) : Элемент интернет-страницы, который подталкивает клиента непосредственно к покупке или действиям, направленным на ее совершение.
- [Коллтрекинг (Call-tracking)](https://wiki.loginom.ru/articles/call-tracking.html.md) : Технология отслеживания звонков клиентов с целью оценки эффективности маркетинговых кампаний и выработки решений по их улучшению.
- [Каннибализация (Cannibalization)](https://wiki.loginom.ru/articles/cannibalization.html.md) : В маркетинге — сокращение продаж или доли рынка продукта вследствие вывода на рынок другого товара того же производителя, удовлетворяющего те же потребности потребителя.
- [Алгоритм CART (CART algorithm)](https://wiki.loginom.ru/articles/cart-algorithm.html.md) : Популярный алгоритм построения деревьев решений. Может работать с дискретной и непрерывной выходной переменной, т.е. решать задачи и классификации, и регрессии. Выбирает такое разбиение из всех возможных, чтобы дочерние узлы были максимально однородными.
- [Категориальная переменная (Categorial variable)](https://wiki.loginom.ru/articles/categorial-variable.html.md) : Переменная, принимающая значения из ограниченного набора категорий. Обычно связана с неисчисляемыми атрибутами — названия, имена, исходы событий (да/нет) и т.д.
- [Категориальные данные (Categorical Data)](https://wiki.loginom.ru/articles/categorical-data.html.md) : Данные, качественно характеризующие процесс или объект, не имеющие количественного выражения. Обычно — строковые значения из набора категорий (названия, имена) или числа, кодирующие эти категории.
- [Категоризация данных (Data categorization)](https://wiki.loginom.ru/articles/categorisation.html.md) : В искусственном интеллекте и анализе данных — задача отнесения наблюдений к одной из групп, называемых категориями. Система-категоризатор формирует обобщающие признаки категорий на основе обучающих примеров.
- [Экстремум взаимокорреляционной функции (Cross-correlation function extremum)](https://wiki.loginom.ru/articles/ccf-max.html.md) : Величина, используемая в анализе временных рядов, которая позволяет определить насколько поведение двух временных рядов похоже с целью построить модель прогноза одного ряда на основе исторических значений другого.
- [Захват изменений данных (Change Data Capture)](https://wiki.loginom.ru/articles/cdc.html.md) : Технология обнаружения изменений в источниках данных и их переноса в хранилище данных в реальном времени.
- [Ядро хранилища данных (Core Data Layer)](https://wiki.loginom.ru/articles/cdl.html.md) : Слой хранилища данных, где содержатся очищенные, структурированные и интегрированные данные, готовые к дальнейшей аналитической обработке.
- [Цензурированные данные (Censored data)](https://wiki.loginom.ru/articles/censored-data.html.md) : В статистике разновидность данных, в которых значения некоторых признаков известны только частично. Обычно, цензурирование данных возникает в ситуации, когда они описывают вероятность (или иную меру), связанную с наступлением некоторого терминального события, на ограниченном интервале числовой или временной шкалы. Тогда значения признаков вне этого интервала называются цензурированными.
- [Центроид кластера (Cluster centroid)](https://wiki.loginom.ru/articles/centroid-cluster.html.md) : Вектор в пространстве признаков, каждый элемент которого определяется как среднее значение соответствующих элементов векторов объектов, попавших в кластер.
- [Хи-квадрат критерий (Chi-square test)](https://wiki.loginom.ru/articles/chi-square-test.html.md) : Критерий согласия для проверки гипотезы о законе распределения исследуемой случайной величины. Служит для подтверждения или опровержения гипотезы о том, что эмпирически полученное распределение соответствует некоторому теоретическому закону.
- [Тест Чоу (Chow test)](https://wiki.loginom.ru/articles/chow-test.html.md) : Позволяет оценить значимость улучшения регрессионной модели после разделения исходной выборки на части. Имеет большое практическое значение в анализе данных для повышения точности моделей.
- [Фактор сна (Churn factor)](https://wiki.loginom.ru/articles/churn-factor.html.md) : Индивидуальный показатель ухода клиента, определяемый на основе частоты его действий. Чем выше данный показатель, тем больше вероятность, что клиент ушел безвозвратно.
- [Показатель оттока (Churn Rate)](https://wiki.loginom.ru/articles/churn-rate.html.md) : Показатель, характеризующий интенсивность оттока клиентов компании в течение определенного периода времени.
- [Гражданский дата-сайнс (Citizen Data Science)](https://wiki.loginom.ru/articles/citizen-datascience.html.md) : Корпоративная стратегия, в рамках которой к анализу данных (в частности, реализации Big Data) активно привлекаются работники линейных подразделений компании не имеющие специального образования и подготовки, а не только сотрудники IT-отделов, обладающие соответствующими компетенциями.
- [Издержки ошибок классификации (Classification cost error)](https://wiki.loginom.ru/articles/class-cost-error.html.md) : Потери от ошибок классификации, допущенных аналитической моделью. Обычно потери различны для ложно-отрицательных и ложно-положительных ошибок, что необходимо учитывать при построении моделей.
- [Метка класса (Class Label)](https://wiki.loginom.ru/articles/class-label.html.md) : Выходная переменная классификационной модели. Всегда является дискретной и принимает значения из некоторого ограниченного набора категорий — наименований классов.
- [Класс (Class)](https://wiki.loginom.ru/articles/class.html.md) : В статистике и анализе данных — группа объектов или явлений, обладающих общими свойствами. Выявление классифицирующих правил называется задачей классификации, а процесс распределения объектов по классам — классификацией.
- [Классифицирующая функция (Classification function)](https://wiki.loginom.ru/articles/classification-function.html.md) : Функция, которая присваивает каждому наблюдению метку класса в соответствии с определенным правилом или зависимостью. Может представлять собой набор правил, например, вида «если, то», или уравнение.
- [Задача классификации (Classification problem)](https://wiki.loginom.ru/articles/classification-problem.html.md) : Задача разделения множества наблюдений (объектов) на группы, называемые классами. Является одной из базовых задач прикладной статистики и машинного обучения, а также искусственного интеллекта в целом.
- [Классификация (Classification)](https://wiki.loginom.ru/articles/classification.html.md) : В анализе данных — разбиение множества объектов или наблюдений на заданные группы (классы), внутри каждой из которых они предполагаются похожими друг на друга, имеющими примерно одинаковые свойства и признаки.
- [Кластерный анализ (Cluster analysis)](https://wiki.loginom.ru/articles/cluster-analysis.html.md) : Технология многомерного анализа данных, в основе которой лежит кластеризация. Широко используется для обработки данных, полученных при проведении маркетинговых кампаний, для сегментации рынка и т.д.
- [Коэффициент силуэта кластера (Cluster silhouette index)](https://wiki.loginom.ru/articles/cluster-silhouette-index.html.md) : Показатель, позволяющий оценить степень соответствия построенной кластерной структуры обучающим данным на основе анализа внутрикластерных и междукластерных расстояний.
- [Силуэт кластера (Cluster silhouette)](https://wiki.loginom.ru/articles/cluster-silhouette.html.md) : Способ визуализации структуры, полученной в процессе кластеризации, позволяющий оценить согласованность с данными на основе анализа внутрикластерных и междукластерных расстояний.
- [Кластер (Cluster)](https://wiki.loginom.ru/articles/cluster.html.md) : В статистике — подмножество объектов статистической совокупности, однородных по своим признакам. В анализе данных и машинном обучении — область многомерного пространства, внутри которой расстояние между любыми векторами объектов меньше, чем до любого объекта вне кластера.
- [Кластеризация (Clustering)](https://wiki.loginom.ru/articles/clustering.html.md) : Объединение объектов или наблюдений в непересекающиеся группы — кластеры, на основе близости значений их признаков. В Data Mining используется для сегментации клиентов и рынков, медицинской диагностики, социальных исследований и т.д.
- [Пожизненная ценность клиента (Customer Lifetime Value)](https://wiki.loginom.ru/articles/clv.html.md) : Ожидаемая чистая прибыль, которая может быть получена в течение всего цикла отношений с клиентом. Точные модели для оценки пожизненной ценности строятся с использованием сложных методов прогнозной аналитики.
- [Непрерывное машинное обучение (Continuous Machine Learning)](https://wiki.loginom.ru/articles/cml.html.md) : Организация рабочего процесса анализа данных, при которой на этапе промышленной эксплуатации ML-модели происходит ее регулярное автоматическое переобучение с целью адаптации к изменениям в данных, вызванными их дрейфом и/или утечкой.
- [Правила Кодда (Codd's rules)](https://wiki.loginom.ru/articles/codds-rules.html.md) : 13 правил, которым должна удовлетворять каждая система управления реляционными базами данных. Позволили четко определить требования к реляционным СУБД и помешать продавать старые решения под видом реляционных систем.
- [Скорректированный коэффициент детерминации (Adjusted coefficient of determination)](https://wiki.loginom.ru/articles/coefficient-determ-adj.html.md) : Показатель, выражающий долю дисперсии зависимой переменной, объясняемую регрессионной моделью, скорректированный с помощью штрафа, накладываемого на модель при увеличении числа переменных.
- [Коэффициент детерминации МакФаддена (Coefficient of determination McFadden's)](https://wiki.loginom.ru/articles/coefficient-mc-fadden.html.md) : Коэффициент детерминации МакФаддена и скорректированный коэффициент детерминации МакФаддена применяются для оценки степени соответствия модели регрессии реальным данным (логит, пробит, гомпит регрессий).
- [Коэффициент детерминации (Coefficient of determination)](https://wiki.loginom.ru/articles/coefficient-of-determination.html.md) : Отражает объясняющую способность регрессии. Равен отношению суммы квадратов регрессии к общей вариации. Является статистической мерой согласия. Позволяет определить, насколько уравнение регрессии соответствует реальным данным.
- [Коэффициент регрессии (Coefficient of regression)](https://wiki.loginom.ru/articles/coefficient-of-regression.html.md) : Коэффициенты уравнения регрессии, которые показывают силу и характер влияния независимых переменных на зависимую и характеризуют степень значимости отдельных переменных для повышения точности модели.
- [Когортный анализ (Cohort Analysis)](https://wiki.loginom.ru/articles/cohort-analysis.html.md) : Разновидность поведенческого анализа в разрезе групп клиентов, сформированных по какому-либо признаку во времени, называемых когортами.
- [Когорта (Cohort)](https://wiki.loginom.ru/articles/cohort.html.md) : В статистике, маркетинге и демографии — группа объектов, имеющих общие характеристики и связанных с общим событием (например, клиент — с датой рождения или датой первой покупки).
- [Коллекторский скоринг (Collections scoring)](https://wiki.loginom.ru/articles/collections-scoring.html.md) : Аналитический инструмент для оценивания кредитоспособности заемщиков, допустивших просроченную задолженность по кредиту, на основе их кредитной истории. Результатом коллекторского скоринга является балльная оценка, значение которой отражает вероятность дефолта заемщика в течение заданного периода.
- [Колоночная база данных (Columnar database)](https://wiki.loginom.ru/articles/columnar-database.html.md) : База данных, в которой данные группируются не по строкам, а по столбцам. Важное свойство — высокая скорость и гибкость выполнения сложных запросов, из-за чего колоночные СУБД предпочтительнее для OLAP-систем и больших данных.
- [Комбинаторный взрыв (Combinatorial explosion)](https://wiki.loginom.ru/articles/combinatorial-explosion.html.md) : Экспоненциальный рост количества вычислительных операций, вариантов состояний или требуемых для решения задачи ресурсов при линейном повышении ее размерности. Примером является поиск ассоциативных правил.
- [Конкурентная разведка (Competitive Intelligence)](https://wiki.loginom.ru/articles/competitive-intelligence.html.md) : Сбор и анализ данных из различных источников для выработки управленческих решений, направленных на повышение конкурентоспособности компании. Технологии Data Mining значительно повышают эффективность конкурентной разведки.
- [Конкурентное обучение (Competitive learning)](https://wiki.loginom.ru/articles/competitive-learning.html.md) : В анализе данных — методика обучения в сетях Кохонена, при которой искусственные нейроны соперничают друг с другом, чтобы вектор их весов оказался как можно ближе к вектору признаков предъявленного объекта.
- [Анализ конкурентов (Competitor analysis)](https://wiki.loginom.ru/articles/competitor-analysis.html.md) : Технология всесторонней оценки сильных и слабых сторон действующих и потенциальных конкурентов. В основе технологии лежит профилирование конкурентов и различные методы анализа данных.
- [Профайлинг конкурентов (Competitor profiling)](https://wiki.loginom.ru/articles/competitor-profiling.html.md) : Систематический анализ конкурентов с целью изучения их опасности, возможных потерь, системы отношений с клиентами. Мощным средством анализа конкурентов являются технологии Data Mining.
- [Вычислительная сложность алгоритма (Computational complexity)](https://wiki.loginom.ru/articles/computational-complexity.html.md) : Количество элементарных операций, которые проводит алгоритм для решения конкретной задачи.
- [Активный прогноз (Conditional prediction)](https://wiki.loginom.ru/articles/conditional-prediction.html.md) : Прогноз, при построении которого предполагается, что лицо, принимающее решение, может осуществлять воздействие на исследуемые показатели. Применение активных прогнозов позволяет повышать эффективность принятия решений.
- [Доверительный интервал (Confidence interval)](https://wiki.loginom.ru/articles/confidence-interval.html.md) : В математической статистике — интервал, в пределах которого с заданной вероятностью лежат выборочные оценки статистических характеристик генеральной совокупности.
- [Предвзятость подтверждения (Confirmation bias)](https://wiki.loginom.ru/articles/confirmation-bias.html.md) : Склонность человека придавать чрезмерное значение информации, подтверждающей его субъективные убеждения, и игнорировать противоположные данные. В бизнес-аналитике это часто приводит к предвзятым выводам, ошибочным суждениям и, как следствие, к принятию неадекватных управленческих решений.
- [Проверка соответствия (Conformance Checking)](https://wiki.loginom.ru/articles/conformance-checking.html.md) : Сопоставление существующей модели процесса с журналом событий этого же процесса и оценка полученной модели.
- [Консолидация (Consolidation)](https://wiki.loginom.ru/articles/consolidation.html.md) : Процесс извлечения данных из различных источников, преобразования их к единому формату и организации хранения в виде, оптимальном для обработки на аналитической платформе или решения аналитической задачи.
- [Контент-анализ (Content analysis)](https://wiki.loginom.ru/articles/content-analysis.html.md) : Анализ документов и других объектов коммуникативной культуры с целью последующей содержательной интерпретации выявленных закономерностей. Использует методы интеллектуального анализа данных и Text Mining.
- [Таблица сопряженности (Contingency table)](https://wiki.loginom.ru/articles/contingency-table.html.md) : Метод представления многомерного частотного распределения двух признаков для исследования статистической связи между ними. Широко используется для обработки результатов исследований, особенно в бизнес-аналитике.
- [Непрерывные данные (Continuous data)](https://wiki.loginom.ru/articles/continuous-data.html.md) : Данные, множество возможных значений которых представляет собой некоторый конечный или бесконечный промежуток числовой оси. Над непрерывными данными можно производить арифметические операции, и они имеют смысл.
- [Непрерывная последовательность (Continuous sequence)](https://wiki.loginom.ru/articles/continuous-sequence.html.md) : В теории последовательных шаблонов — последовательность событий, в которой отсутствует событие, не влияющее на появление целевого события или когда характер его влияния неизвестен.
- [Противоречие (Contradiction)](https://wiki.loginom.ru/articles/contradiction.html.md) : В анализе данных — ситуация, когда в двух записях множества данных одному и тому же набору значений входных атрибутов соответствуют различные наборы значений выходных.
- [Контроллинг (Controlling)](https://wiki.loginom.ru/articles/controlling.html.md) : Система поддержки управления организацией, которая собирает и использует информацию для оценки эффективности различных организационных ресурсов — человеческих, материальных, финансовых, а также организации в целом.
- [Сходимость алгоритма (Convergence of algorithm)](https://wiki.loginom.ru/articles/convergence-of-algorithm.html.md) : Свойство итерационного алгоритма достигать оптимума целевой функции или подходить близко к нему за конечное число шагов. Скорость сходимости алгоритмов — один из важнейших показателей качества аналитических обучаемых моделей.
- [Конверсионный маркетинг (Conversion Marketing)](https://wiki.loginom.ru/articles/convers-marketing.html.md) : Стратегия, направленная на увеличение числа конверсий — переходов посетителей интернет-ресурсов с рекламой товаров и услуг в реальных покупателей. Одним из важнейших инструментов является A/B-тестирование.
- [Разговорная аналитика (Conversational analytics)](https://wiki.loginom.ru/articles/conversation-analytics.html.md) : Технология сбора и анализа информации из разговоров на естественном языке в процессе взаимодействия клиентов с бизнесом через различные диалоговые интерфейсы.
- [Коэффициент конверсии (Conversion rate)](https://wiki.loginom.ru/articles/conversion-rate.html.md) : В конверсионном маркетинге — отношение числа посетителей интернет-ресурса, проявивших на нем целевую активность, к общему числу посетителей. Характеризует эффективность ресурса, рекламирующего товары или услуги компании.
- [Конверсия (Conversion)](https://wiki.loginom.ru/articles/converson.html.md) : Совершение потенциальным клиентом целевого действия под воздействием рекламы.
- [Корреляционный анализ (Correlation analysis)](https://wiki.loginom.ru/articles/correlation-analysis.html.md) : Совокупность методов обработки данных с целью обнаружения статистической взаимосвязи между случайными величинами или признаками. Один из важных инструментов Data Mining.
- [Коэффициент корреляции (Correlation coefficient)](https://wiki.loginom.ru/articles/correlation-coefficient.html.md) : В математической статистике — показатель, характеризующий силу статистической связи между двумя или несколькими случайными величинами. Широко применяется в анализе данных для отбора переменных в аналитические модели.
- [Корреляция (Correlation)](https://wiki.loginom.ru/articles/correlation.html.md) : Статистическая взаимосвязь двух или нескольких случайных величин. Исследования корреляционных зависимостей являются очень важными при построении аналитических моделей.
- [Матрица издержек классификации (Cost-matrix)](https://wiki.loginom.ru/articles/cost-matrix.html.md) : В статистике — разновидность таблицы сопряженности, в которой для каждого типа ошибок указываются издержки классификации в денежном, количественном выражении или в виде весов. Используется для оптимизации аналитических моделей.
- [Классификация с учетом издержек (Cost-sensitive classification)](https://wiki.loginom.ru/articles/cost-sensitive-classification.html.md) : Случай бинарной классификации, когда издержки ошибок классификации не одинаковы. Имеет большое значение в машинном обучении для квалификационных моделей (регрессия, нейросеть) в условиях несбалансированной выборки.
- [Обучение с учетом издержек классификации (Cost-sensitive learning)](https://wiki.loginom.ru/articles/cost-sensitive-learning.html.md) : В машинном обучении — методика обучения модели бинарной классификации, которая позволяет минимизировать ошибки I или II рода (ложно-положительные или ложно-отрицательные).
- [Ковариация (Covariation)](https://wiki.loginom.ru/articles/covariation.html.md) : В теории вероятностей и математической статистике — мера линейной зависимости двух случайных величин. Широко применяется при формировании инвестиционных и кредитных портфелей, ценообразовании, управлении инвестициями.
- [Кредитный портфель (Credit Portfolio)](https://wiki.loginom.ru/articles/credit-portfolio.html.md) : Остаток задолженности по всем кредитам, выданным банком, на определенную дату. Для балансировки портфеля по рискам и доходности проводится его анализ. Важнейший инструмент снижения кредитных рисков — скоринговые системы.
- [Кредитный скоринг (Credit scoring)](https://wiki.loginom.ru/articles/credit-scoring.html.md) : Анализ данных о заемщике в потребительском кредитовании по результатам которого тому начисляются балльные оценки, используемые кредитными организациями для поддержки принятия решения о целесообразности выдачи кредита и определении его параметров (суммы, сроков, процентной ставки).
- [Кредитоспособность (Creditworthiness)](https://wiki.loginom.ru/articles/creditworthiness.html.md) : Право и возможность для получения кредита. Оценка кредитоспособности заемщика — важнейшее условие минимизации рисков для банка. Наиболее современным инструментом оценки является кредитный скоринг.
- [Методология CRISP-DM (Cross-Industry Standard Process for Data Mining)](https://wiki.loginom.ru/articles/crisp-dm.html.md) : Открытый стандарт моделирования процессов, описывающий общие подходы, используемые в интеллектуальном анализе данных. Де-факто является стандартом для разработки проектов Data Analytics и Data Mining.
- [Критическое значение (Critical value)](https://wiki.loginom.ru/articles/critical-value.html.md) : В статистических критериях согласия (например, t-критерии Стьюдента или F-критерии Фишера) — граница области значений критерия, для которых основная гипотеза отвергается.
- [Система CRM (Customer Relationship Management)](https://wiki.loginom.ru/articles/crm.html.md) : Система управления отношениями с клиентами и партнерами. Включает средства для сбора, обработки, контроля, анализа и представления информации о клиентах. Наиболее эффективна при комбинации с системами бизнес-аналитики.
- [Кросс-продажа (Cross-sell)](https://wiki.loginom.ru/articles/cross-sell.html.md) : Предложение клиенту совместно с товарами и услугами основного ассортимента дополнительных товаров и услуг. Сочетания совместно приобретаемых товаров эффективно выявляются методами Data Mining, такими как поиск ассоциативных правил.
- [Кросс-валидация (Cross-validation)](https://wiki.loginom.ru/articles/cross-validation.html.md) : В машинном обучении — метод формирования обучающего и тестового множеств для обучения аналитической модели в условиях недостаточности исходных данных или неравномерного представления классов.
- [Куб (Cube)](https://wiki.loginom.ru/articles/cube.html.md) : Многомерный массив данных, используемый в системах оперативной аналитической обработки (OLAP). В основе идеи построения куба лежит модель данных, предполагающая их разделение на измерения и факты. Куб можно рассматривать как многомерное обобщение двумерной таблицы. При этом измерения образуют оси многомерной модели данных (ребра куба), а факты — ячейки внутри куба, расположенные на пересечении соответствующих значений измерений.
- [Текущий запас (Current stock)](https://wiki.loginom.ru/articles/current-stock.html.md) : Резервы, обеспечивающие непрерывное движение материального потока между очередными поставками.
- [Проклятие размерности (Curse of dimensionality)](https://wiki.loginom.ru/articles/curse-of-dimensionality.html.md) : Комплекс неблагоприятных факторов, возникающих в анализе данных и машинном обучении при работе моделей в пространствах признаков высокой размерности.
- [Анализ клиентской базы (Customer Database Analysis)](https://wiki.loginom.ru/articles/customer-analysis.html.md) : Процесс сбора и анализа данных о клиентах компании с целью изучения их потребительского поведения и предпочтений с целью выработки стратегических и тактических решений в бизнесе.
- [Отток клиентов (Customer churn)](https://wiki.loginom.ru/articles/customer-churn.html.md) : Процесс отказа отдельных клиентов от приобретения товаров или услуг компании. Характеризуется показателем оттока (churn rate). Один из ключевых показателей в бизнес-аналитике.
- [Клиентский опыт (Customer experience)](https://wiki.loginom.ru/articles/customer-experience.html.md) : Совокупность когнитивных, эмоциональных, сенсорных и поведенческих реакций клиента на всех этапах его взаимодействия с компанией, знание которых позволяет совершенствовать процессы взаимодействия с потребителями с целью повышения их лояльности.
- [Платформа клиентских данных (Customer Data Platform)](https://wiki.loginom.ru/articles/customer-platform.html.md) : Совокупность программных средств для сбора данных о клиентах из различных источников, их обработки, консолидации, хранения и использования для профилирования, сегментации, улучшения таргетинга и повышения эффективности маркетинговых кампаний.
- [Профиль клиента (Customer profile)](https://wiki.loginom.ru/articles/customer-profile.html.md) : Совокупность характеристик, присущих определенной группе потребителей продуктов и услуг. Успешно строить профили клиентов позволяют методы Data Mining, такие как классификация и кластеризация.
- [Сегментация клиентов (Customer segmentation)](https://wiki.loginom.ru/articles/customer-segmentation.html.md) : Группировки клиентов на основе некоторых общих характеристик, которые являются важными с точки зрения задач маркетинга. Позволяет разделить потребительский рынок на сегменты, чтобы определить, на каком из них следует сосредоточить усилия по продвижению товаров и услуг.
- [Транзакция клиентская (Customer transaction)](https://wiki.loginom.ru/articles/customer-transaction.html.md) : Транзакция, которая содержит не только информацию о покупке (операции), но и идентификатор клиента. Клиентские транзакции открывают дополнительные возможности для анализа данных, в частности, для поиска последовательных шаблонов.
- [Балл отсечения (Cutoff score)](https://wiki.loginom.ru/articles/cutoff-score.html.md) : Минимально возможный скоринговый балл в кредитном скоринге, который необходимо иметь, чтобы претендовать на кредит
- [Циклическая составляющая (Cyclic component)](https://wiki.loginom.ru/articles/cyclic-component.html.md) : В статистике — элемент декомпозиции временного ряда, который отражает повторяющиеся, но непериодические флуктуации. Визуально просматривается на графике как плавные волнообразные флуктуации вокруг тренда.
- [Темные данные (Dark data)](https://wiki.loginom.ru/articles/dark-data.html.md) : Данные, которые собираются, накапливаются и хранятся, но никак не используются.
- [Дашборд (Dashboard)](https://wiki.loginom.ru/articles/dashboard.html.md) : Средство визуализации данных, схожее с приборной панелью автомобиля. Эффективно как интерфейс для оценки результатов бизнес-аналитики. Удобно для одновременного отслеживания нескольких информационных потоков.
- [Интеллектуальный анализ данных (Data Mining)](https://wiki.loginom.ru/articles/data-analysis.html.md) : Направление информационных технологий, охватывающее весь спектр тем, связанных с извлечением знаний из массивов данных. Методы применяются в бизнес-сценариях — прогнозировании, управлении рисками, сегментации клиентов и т.д.
- [Очистка данных (Data Cleaning)](https://wiki.loginom.ru/articles/data-cleaning.html.md) : Исключение из данных различных факторов, снижающих их качество и мешающих корректному анализу. Производится как в процессе ETL, так и в аналитическом приложении непосредственно перед анализом.
- [Демократизация данных (Data Democratization)](https://wiki.loginom.ru/articles/data-democratization.html.md) : Процесс повышения доступности данных для более широкого круга лиц внутри организации, разрушение барьеров, мешающих людям получать доступ к данным, эффективно анализировать и использовать их.
- [Маркетинг, управляемый данными (Data driven marketing)](https://wiki.loginom.ru/articles/data-driven-marketing.html.md) : Бизнес-стратегия, направленная на совершенствование маркетинговой деятельности компании за счет знаний, полученных с использованием анализа данных о клиентах.
- [Подход, управляемый данными (Data Driven approach)](https://wiki.loginom.ru/articles/data-driven.html.md) : Подход к управлению, в основе которого лежит использование данных, собираемых компанией, и результатов их анализа в процессах принятия управленческих решений.
- [Обогащение данных (Data enrichment)](https://wiki.loginom.ru/articles/data-enrichment.html.md) : Процесс насыщения данных новой информацией, чтобы повысить их ценность для анализа. Для внешнего обогащения используется информация внешних источников. При внутреннем обогащении извлекается информация, неявно присутствующая в данных.
- [Исследование данных (Data exploration)](https://wiki.loginom.ru/articles/data-exploration.html.md) : Процедура обработки данных, предшествующая их анализу с целью поддержки принятия решений. Использует комбинацию автоматизированных и ручных процедур для профайлинга данных, оценки их объема, полноты, корректности и т.д.
- [Руководство данными (Data governance)](https://wiki.loginom.ru/articles/data-governance.html.md) : Совокупность процессов, обеспечивающих разработку и реализацию политики и стратегии работы с корпоративными данными.
- [Гармонизация данных (Data harmonization)](https://wiki.loginom.ru/articles/data-harmonization.html.md) : Гармонизация — это совокупность процессов объединения данных компании из различных источников в единую среду хранения, с одновременным их преобразованием к виду, наиболее подходящему для решения тех или иных задач.
- [Концентратор данных (Data Hub)](https://wiki.loginom.ru/articles/data-hub.html.md) : Разновидность корпоративной информационной архитектуры, обеспечивающая консолидацию и централизованное хранение всех данных компании, и поддерживающей обмен ими с другими системами, например бизнес-аналитики и интеллектуального анализа данных.
- [Интеграция данных (Data Integration)](https://wiki.loginom.ru/articles/data-integration.html.md) : В аналитических технологиях — объединение данных из различных источников в один набор, где они хранятся в унифицированном формате и структуре. Задача интеграции обычно решается с помощью хранилищ данных и ETL-процессов.
- [Целостность данных (Data integrity)](https://wiki.loginom.ru/articles/data-integrity.html.md) : В теории баз данных — свойство соответствия структуры и содержания базы данных предметной области. Необходимое условие для корректной интеграции данных в хранилище данных и их дальнейшего анализа.
- [Озеро данных (Data Lake)](https://wiki.loginom.ru/articles/data-lakes.html.md) : Метод хранения структурированной, полуструктурированной и неструктурированной информации, а также организации больших объемов «сырых» данных, поступающих из различных источников.
- [Утечка данных (Data Leakage)](https://wiki.loginom.ru/articles/data-leakage.html.md) : Ситуация, когда часть данных, используемая при обучении модели, недоступна на этапе ее практической эксплуатации. Следствием утечки является завышенная оценка точности модели на этапе обучения относительно точности на реальных данных.
- [Происхождение данных (Data lineage)](https://wiki.loginom.ru/articles/data-lineage.html.md) : Процесс, в ходе которого регистрируется и документируется информация о том, как данные создаются, преобразуются, передаются и используются в организации с целью сделать видимым их жизненный цикл.
- [Платформа управления данными (Data management platform)](https://wiki.loginom.ru/articles/data-management-platform.html.md) : Программная платформа для сбора, хранения, анализа и использования данных. В бизнес-аналитике используется для управления клиентскими данными с целью формирования целевых сегментов и повышения эффективности маркетинговых кампаний.
- [Сетка данных (Data mesh)](https://wiki.loginom.ru/articles/data-mesh.html.md) : Подход к построению архитектуры корпоративных данных, в рамках которого производится децентрализация аналитических данных на основе предметно-ориентированной модели.
- [Добыча данных (Data Mining)](https://wiki.loginom.ru/articles/data-mining.html.md) : Методология и процесс обнаружения в больших массивах данных ранее неизвестных, нетривиальных знаний, практически полезных для принятия решений. Включает элементы математической статистики, искусственного интеллекта, машинного обучения и т.д.
- [Модель данных (Data model)](https://wiki.loginom.ru/articles/data-model.html.md) : В бизнес-аналитике это абстрактное представление, описывающее структуру данных организации и их взаимосвязи для аналитической обработки.
- [Моделирование данных (Data Modelling)](https://wiki.loginom.ru/articles/data-modelling.html.md) : Определение и анализ требований к данным, необходимым для поддержки бизнес-процессов. Позволяет создать единую информационную модель компании, интегрировать ресурсы в информационную систему, проектировать базы данных.
- [Монетизация данных (Data monetization)](https://wiki.loginom.ru/articles/data-monetization.html.md) : Процесс использования информационных активов компании для получения денежной или иной измеримой экономической выгоды.
- [Нормализация данных (Data normalization)](https://wiki.loginom.ru/articles/data-normalization.html.md) : Метод предобработки числовых признаков в обучающих наборах данных с целью приведения их к некоторой общей шкале измерения без потери информации о различии диапазонов.
- [Предобработка данных (Data Preprocessing)](https://wiki.loginom.ru/articles/data-preprocessing.html.md) : Приведение данных в соответствие с требованиями, которые определяются спецификой решаемой задачи. Выполняется на протяжении всего процесса Data Mining — при выгрузке из источников и OLTP-систем, в хранилище данных и в аналитической платформе.
- [Профайлинг данных (Data Profiling)](https://wiki.loginom.ru/articles/data-profiling.html.md) : Метод проверки качества данных. Заключается в проверке полей источника данных на соответствие заданным ограничениям, а также их исправлении. Например, приведение к единому формату разделителей целой и дробной частей числа.
- [Качество данных (Data quality)](https://wiki.loginom.ru/articles/data-quality.html.md) : Степень пригодности данных к решению определенной задачи. Приведение сырых данных в соответствие с критериями качества является важнейшей задачей Data Mining и образует целое направление, называемое предобработкой.
- [Понижение размерности (Data reduction)](https://wiki.loginom.ru/articles/data-reduction.html.md) : В аналитических технологиях — процесс преобразования избыточных данных в форму, удобную для анализа. Обычно достигается уменьшением их объема, сокращением количества используемых признаков и разнообразия их значений.
- [Наука о данных (Data Science)](https://wiki.loginom.ru/articles/data-science.html.md) : Междисциплинарное направление, включающее практическую сферу деятельности и академическую дисциплину, связанное с изучением и организацией процессов обработки цифровых данных в интересах получения знаний для поддержки принятия решений.
- [Обмен данными (Data sharing)](https://wiki.loginom.ru/articles/data-sharing.html.md) : Процесс предоставления организацией данных сторонним пользователям или компаниям для обеспечения ее коллективного использования.
- [Стандартизация данных (Data standardization)](https://wiki.loginom.ru/articles/data-standartization.html.md) : Разновидность предобработки данных с целью приведения их к определенному формату и представлению, которые обеспечивают их корректное применение в многомерном анализе, совместных исследованиях, сложных технологиях аналитической обработки.
- [Трансформация данных (Data Transformation)](https://wiki.loginom.ru/articles/data-transformation.html.md) : Оптимизация представлений и форматов данных с точки зрения решаемых задач и целей анализа. Один из важнейших процессов в анализе, от которого зависит эффективность анализа, достоверность и точность его результатов.
- [Хранилище данных (Data Warehouse)](https://wiki.loginom.ru/articles/data-warehouse.html.md) : Предметно-ориентированный, интегрированный, неизменчивый и поддерживающий хронологию набор данных. Позволяет эффективнее, быстрее и качественнее предоставлять данные для систем аналитической обработки, чем обычные СУБД.
- [Транзакционная база данных (Database of transactions)](https://wiki.loginom.ru/articles/database-of-transactions.html.md) : База данных, каждая запись которой представляет собой транзакцию. Формируется с помощью систем оперативной обработки транзакций (OLTP) в банках, торговых сетях, телекоммуникационных компаниях и т.д.
- [Витрина данных (Data Mart)](https://wiki.loginom.ru/articles/datamart.html.md) : Предметно-ориентированная база данных, содержащая данные по одному из направлений деятельности компании. В витрине информация хранится оптимизированно с точки зрения решения конкретных задач.
- [Операционализированное управление данными (Data operations)](https://wiki.loginom.ru/articles/dataops.html.md) : Междисциплинарный подход к управлению данными, который объединяет операционные принципы разработки (DevOps), автоматизацию, оркестрацию и контроль качества для обеспечения непрерывной, масштабируемой и надежной доставки данных от источников до аналитических систем.
- [Граница решения (Decision boundary)](https://wiki.loginom.ru/articles/decision-boundary.html.md) : Термин машинного обучения, обозначающий гиперповерхность, разделяющую классы между собой.
- [Модель решения (Decision model)](https://wiki.loginom.ru/articles/decision-model.html.md) : Фреймворк для формального описания процессов принятия решений, использование которого позволяет многократно принимать аналогичные решения в различных ситуациях.
- [Решающее правило (Decision Rule)](https://wiki.loginom.ru/articles/decision-rule.html.md) : В машинном обучении и анализе данных — правила вида «если, то», определяющие принадлежность объекта к заданному классу. Применяются в деревьях решений и алгоритмах последовательного покрытия.
- [Система поддержки принятия решений (Decision support system)](https://wiki.loginom.ru/articles/decision-support-system.html.md) : Информационная система, которая обеспечивает руководителя знаниями и информацией для принятия обоснованных и правильных управленческих решений. СППР, основанные на технологиях искусственного интеллекта, называются интеллектуальными СППР.
- [Дерево решений (Decision Trees)](https://wiki.loginom.ru/articles/decision-trees.html.md) : Один из наиболее популярных инструментов классификации в интеллектуальном анализе данных и бизнес-аналитике. Строится на основе решающих правил вида «если, то», упорядоченных в древовидную иерархическую структуру.
- [Решение (Decision)](https://wiki.loginom.ru/articles/decision.html.md) : Действие, связанное с выбором одной из альтернатив. Решения обычно принимаются в условиях недостатка информации, поэтому в современном управлении используют системы поддержки принятия решений на основе анализа данных.
- [Оперирование решениями (Decision operations)](https://wiki.loginom.ru/articles/decisionops.html.md) : Информационная архитектура, а также набор методов и инструментов для эффективного управления моделями решений и поддержки их жизненного цикла.
- [Дедупликация (Deduplication)](https://wiki.loginom.ru/articles/deduplication.html.md) : Процесс исключения из наборов данных идентичных записей, называемых дубликатами. Неотъемлемая часть процесса предобработки и очистки данных. Инструменты дедупликации входят в состав большинства аналитических платформ.
- [Число степеней свободы (Degrees of freedom)](https://wiki.loginom.ru/articles/degrees-of-freedom.html.md) : В математической статистике — количество значений, используемых при расчете статистической характеристики, которые могут свободно изменяться. Также является параметром некоторых статистических распределений.
- [Метод Дельфи (Delphi technique)](https://wiki.loginom.ru/articles/delphi-technique.html.md) : Метод интерактивного прогнозирования, основанный на оценках группы экспертов. Участники отвечают на вопросы в несколько раундов, после каждого из которых получают анонимные ответы других экспертов и могут уточнить свои суждения.
- [Дельта-правило (Delta rule)](https://wiki.loginom.ru/articles/delta-rule.html.md) : В теории нейронных сетей — метод обучения перцептрона на основе градиентного спуска. Развитие дельта-правила привело к созданию алгоритма обратного распространения ошибки.
- [Прогнозирование спроса (Demand forecasting)](https://wiki.loginom.ru/articles/demand-forecasting.html.md) : Область предсказательной аналитики, задачей которой является предсказание спроса на продукты и услуги. Использует методы скользящего среднего, ARIMA, аддитивные модели на основе самообучающихся алгоритмов и машинного обучения.
- [Спрос (Demand)](https://wiki.loginom.ru/articles/demand.html.md) : В экономике — количество товара (объем услуг), которое покупатели желают купить по данной цене. Полным спросом на товар является совокупность спросов на него по различным ценам.
- [Дендрограмма (Dendrogram)](https://wiki.loginom.ru/articles/dendrogram.html.md) : Визуализатор для представления результатов иерархической кластеризации. Показывает степень близости отдельных объектов и кластеров, а также демонстрирует последовательность их объединения или разделения.
- [Описательная аналитика (Descriptive analytics)](https://wiki.loginom.ru/articles/descriptive-analytics.html.md) : Область статистики, методы которой ориентированы на сбор, систематизацию и обобщение «сырых» данных из различных источников с целью обнаружения в них интерпретируемых зависимостей и закономерностей.
- [Детерминистский метод обучения (Deterministic approach)](https://wiki.loginom.ru/articles/deterministic-approach.html.md) : В машинном обучении — подход, когда изменения параметров обучаемой модели на каждой итерации определяются только ее текущим состоянием, значениями входов и выходов и некоторым правилом. Характерен для обучения нейронных сетей.
- [Детерминированная составляющая (Deterministic component)](https://wiki.loginom.ru/articles/deterministic-component.html.md) : Числовая последовательность элементов временного ряда, значения которых могут быть вычислены по определенному правилу как функция времени.
- [Анализ отклонений (Deviation detection)](https://wiki.loginom.ru/articles/deviation-detection.html.md) : Поиск в данных редких, нетипичных объектов или наблюдений, которые не соответствуют логике поведения анализируемого бизнес-процесса или модели описывающих его данных, и генерация правил, объясняющих причины их появления.
- [Цифровой двойник (Digital twin)](https://wiki.loginom.ru/articles/digital-twin.html.md) : Виртуальная копия физического объекта, процесса или системы. Она создается на основе данных, полученных на стадиях разработки и изготовления продукта, или данных о текущем состоянии уже работающего процесса, а также позволяет в режиме реального времени отслеживать и прогнозировать поведение объекта, оптимизировать его работу.
- [Цифровизация (Digitalization)](https://wiki.loginom.ru/articles/digitization.html.md) : В узком смысле — преобразование разнородной информации в цифровую, электронную форму, в которой она будет в дальнейшем храниться и обрабатываться. В широком смысле — общемировой тренд на всеобщее использование цифровой информации во всех сферах социальной и экономической жизни общества, когда из инструмента улучшения отдельных, частных сторон жизни, она становится основным драйвером мирового общественного развития.
- [Измерение (Dimension)](https://wiki.loginom.ru/articles/dimension.html.md) : Компонент многомерной модели данных, используемой в хранилищах данных и OLAP-технологиях, содержащий значение качественного признака. Качественные данные (товар, клиент, город и т.д.) — это таблицы измерений.
- [Директ мэйл (Direct mail)](https://wiki.loginom.ru/articles/direct-mail.html.md) : Направление маркетинга, использующее прямую почтовую рассылку рекламной информации. Для определения целевой аудитории рассылки и формирования адресных предложений широко используются методы интеллектуального анализа данных.
- [Директ-маркетинг (Direct marketing)](https://wiki.loginom.ru/articles/direct-marketing.html.md) : Маркетинговая коммуникация, при которой компании взаимодействуют непосредственно с предварительно выбранными клиентами. Интеллектуальный анализ данных позволяет сегментировать клиентов и составить для них адресные торговые предложения.
- [Дезагрегирование (Data disaggregation)](https://wiki.loginom.ru/articles/disaggregation.html.md) : В анализе данных — операция над многомерным кубом, обратная агрегированию. В результате строится новый куб путем замены значений некоторых измерений соответствующими наборами значений более низких уровней иерархии.
- [Дискриминационный порог (Discrimination Threshold)](https://wiki.loginom.ru/articles/discr-threshold.html.md) : В статистике и машинном обучении — значение дискриминирующей функции в задачах бинарной классификации, которое позволяет разделять классы. Настраивается так, чтобы минимизировать число ошибок классификации.
- [Остатки линейной регрессии (Discrepancy)](https://wiki.loginom.ru/articles/discrepancy.html.md) : Отклонения точек реальных данных от линии регрессии. Дисперсия остатков показывает долю изменчивости выходной переменной, которая не была «объяснена» входной. Чем выше доля остаточной дисперсии, тем хуже работает модель.
- [Дискретное и непрерывное время (Discrete and continuous time)](https://wiki.loginom.ru/articles/discrete-continuous-time.html.md) : Альтернативные способы моделирования динамических процессов, переменные в которых изменяются с течением времени.
- [Дискретные данные (Discrete Data)](https://wiki.loginom.ru/articles/discrete-data.html.md) : Данные, множество значений которых конечно или счетно. Дискретными являются значения признака, общее число которых конечно либо бесконечно, но может быть подсчитано при помощи натуральных чисел от одного до бесконечности.
- [Возмущение (Disturbance)](https://wiki.loginom.ru/articles/disturbance.html.md) : Воздействие на систему, которое нарушает ее нормальное функционирование и развитие. В аналитических моделях возмущающее воздействие представляется с помощью дополнительного случайного члена, который называют ошибкой, или остатками.
- [Углубление в данные (Drill Down)](https://wiki.loginom.ru/articles/drill-down.html.md) : В анализе данных — концентрация внимания на чем-либо, «копание в данных», погружение в их слои для получения информации, полезной для поддержки принятия решений. Является одной из важнейших операций с OLAP-кубами.
- [Дубликат (Dublicate)](https://wiki.loginom.ru/articles/dublicate.html.md) : В анализе данных — две или более записи одного набора данных, которые содержат идентичные наборы значений всех признаков. Обычно дубликаты являются негативным фактором, и в процессе очистки данных от них стремятся избавиться.
- [Фиктивное значение (Dummy value)](https://wiki.loginom.ru/articles/dummy-value.html.md) : В анализе данных — значение, которое помещается в ячейку таблицы в случае, когда фактическое значение отсутствует или не вызывает доверия. В процессе очистки данных фиктивные значения должны обрабатываться.
- [Фиктивная переменная (Dummy variable)](https://wiki.loginom.ru/articles/dummy-variable.html.md) : Бинарная переменная, которая вводится как вспомогательная в статистические модели, особенно регрессионные. В технологиях Data Mining применяется аналогичное понятие — кодирование категориальных значений.
- [Критерий Дарбина-Уотсона (Durbin-Watson statistic)](https://wiki.loginom.ru/articles/durbin-watson-statistic.html.md) : Применяется для обнаружения автокорреляции во временных рядах. Также с помощью критерия Дарбина-Уотсона выявляют наличие коинтеграции (продолжительной линейной зависимости) между двумя временными рядами.
- [Динамическое ценообразование (Dynamic pricing)](https://wiki.loginom.ru/articles/dynamic-pricing.html.md) : Стратегия ценообразования, при которой компании устанавливают гибкие цены на товары или услуги в реальном времени, в зависимости от текущего рыночного спроса, предложения, уровня запасов товара, цен конкурентов и других факторов.
- [Динамическая система (Dynamic system)](https://wiki.loginom.ru/articles/dynamic-system.html.md) : Математическая модель, описывающая поведение объекта, процесса или явления как последовательность переходов из одного состояния в другое. В анализе данных используется для исследования поведения реальных объектов и процессов.
- [Электронная коммерция (E-commerce)](https://wiki.loginom.ru/articles/e-commerce.html.md) : Сфера цифровой экономики, которая включает в себя финансовые и торговые транзакции, осуществляемые при помощи компьютерных сетей, а также бизнес-процессы, связанные с поддержкой их проведения.
- [Корпоративное хранилище данных (Enterprise Data Warehouse)](https://wiki.loginom.ru/articles/edw.html.md) : Хранилище данных, предназначенное для обработки и хранения информации на уровне всей компании, а не отдельного подразделения или направления. Оно позволяет обеспечить согласованность данных и результатов их анализа в условиях сложных организационных структур.
- [Коэффициент эластичности (Elasticity coefficient)](https://wiki.loginom.ru/articles/elasticity-coefficient.html.md) : Характеризует относительное изменение одного признака при относительном изменении другого. В экономике и бизнесе используется для анализа соотношения спроса и цены.
- [Эластичность спроса (Elasticity of demand)](https://wiki.loginom.ru/articles/elasticity-of-demand.html.md) : Числовая характеристика зависимости величины спроса от цены. Используется при построении аналитических моделей Data Mining в задачах анализа продаж, сегментации рынка, маркетинговых исследованиях.
- [Метод локтя (Elbow method)](https://wiki.loginom.ru/articles/elbow-method.html.md) : Один из способов определения оптимального числа кластеров.
- [Процесс ELT (ELT-process)](https://wiki.loginom.ru/articles/elt-process.html.md) : Процесс перемещения данных из различных источников в хранилище, альтернативный процессу ETL. Отличие заключается в том, что данные не преобразуются к единому формату и не подвергаются очистке, а загружаются в хранилище в сыром виде, «как есть». При этом предполагается, что преобразование данных с целью сделать их пригодными к анализу, будет производить в процессе выполнения аналитических запросов к хранилищу, т.е. по вызову («на лету»).
- [Эмерджентность (Emergence)](https://wiki.loginom.ru/articles/emergence.html.md) : Явление, когда система в целом обладает свойствами, которые не имеет ни один из ее компонентов по отдельности.
- [Сквозная аналитика (End-to-end analytics)](https://wiki.loginom.ru/articles/end-to-end-analytics.html.md) : Направление в бизнес-аналитике, ориентированное на оптимизацию маркетинговой стратегии за счет сбора и анализа данных о клиентах на всех этапах их взаимоотношений с компанией.
- [Эндогенная переменная (Endogenous variable)](https://wiki.loginom.ru/articles/endogenuos-variable.html.md) : Переменная, изменчивость которой требуется изучить и выявить ее зависимость от экзогенных переменных. Она коррелирована с ошибкой модели и используются в качестве входной (зависимой, объясняющей) переменной.
- [Ансамбль моделей (Ensemble of models)](https://wiki.loginom.ru/articles/ensemble-models.html.md) : В статистике и машинном обучении — комбинация нескольких алгоритмов обучения, которые, работая вместе, позволяют построить более эффективную и точную модель, чем любая из моделей, построенная с помощью отдельного алгоритма.
- [Система ERP (Enterprise Resource Planning)](https://wiki.loginom.ru/articles/erp.html.md) : Интегрированная среда управления бизнес-процессами с использованием информационных технологий и специального программного обеспечения. Состоит из приложений для сбора, хранения, управления и анализа данных.
- [Матрица ошибок (Error matrix)](https://wiki.loginom.ru/articles/error-matrix.html.md) : Способ визуализации результатов работы классификатора для оценки его качества.
- [Процесс ETL (ETL-process)](https://wiki.loginom.ru/articles/etl-process.html.md) : Комплекс операций по переносу первичных данных из различных источников в аналитическое приложение или поддерживающее его хранилище данных. Составная часть этапа консолидации при анализе данных.
- [Расстояние Евклида (Euclid distance)](https://wiki.loginom.ru/articles/euclid-distance.html.md) : Геометрическое расстояние в многомерном пространстве. Широко используется в анализе данных как критерий для объединения наблюдений в классы и кластеры, оценки ошибок в предсказательной аналитике, в визуализации данных.
- [Буква события (Event letter)](https://wiki.loginom.ru/articles/event-letter.html.md) : Символьное обозначение события в Process mining-е для анализа и автоматизированной обработки процессов.
- [Журнал событий (Event Log)](https://wiki.loginom.ru/articles/event-log.html.md) : Перечень упорядоченных во времени событий (действий, статусов), выполняемых в рамках реализации некоего бизнес-процесса.
- [Событие (Event)](https://wiki.loginom.ru/articles/event.html.md) : Событие (Event) — это зафиксированное в журнале событий процессное действие в виде наименования или кода (ID) события. Последовательность событий в рамках одного экземпляра процесса является путем процесса.
- [Эволюционный алгоритм (Evalutionary algorithm)](https://wiki.loginom.ru/articles/evolution-algorithm.html.md) : В машинном обучении — раздел эволюционных вычислений, в которых используются модели процессов естественного отбора (размножение, мутация, рекомбинация и отбор) и принципы природной эволюции для решения задач оптимизации.
- [Экзогенная переменная (Exogenous variable)](https://wiki.loginom.ru/articles/exogenous-variable.html.md) : Переменные, значения которых являются предустановленными и не изменяются в процессе построения модели. Они коррелированны с ошибкой модели и используются в качестве входных (независимых, объясняющих) переменных.
- [Модель экспоненциального сглаживания (Exponential smoothing model)](https://wiki.loginom.ru/articles/exp-smoothing-model.html.md) : Один из простейших и распространенных приемов выравнивания временного ряда. Может отображать развитие в виде линейной тенденции, в виде случайного процесса, не имеющего тенденции, а также в виде изменяющейся параболической тенденции.
- [Математическое ожидание (Expectation value)](https://wiki.loginom.ru/articles/expectation-value.html.md) : Среднее значение случайной величины, полученное при бесконечном числе испытаний или по выборке бесконечного размера. Одно из важнейших понятий теории вероятности, поскольку может служить усредненной оценкой случайной величины.
- [Экспертная система (Expert system)](https://wiki.loginom.ru/articles/expert-system.html.md) : Система искусственного интеллекта, включающая знания о некоторой трудно формализуемой предметной области и способная предлагать решения задач в ней — как правило, на основе рассуждений с использованием правил «если, то».
- [Объяснимый искусственный интеллект (Explainable artificial intelligence)](https://wiki.loginom.ru/articles/explainable-ai.html.md) : Совокупность технологий, методов и процессов, обеспечивающих понимание человеком результатов работы моделей искусственного интеллекта и доверие к выводам и решениям, создаваемым на основе использования алгоритмов машинного обучения.
- [Разведочный анализ (Exploratory analysis)](https://wiki.loginom.ru/articles/exploratory-analysis.html.md) : Предварительный анализ данных с целью выявления наиболее общих зависимостей, закономерностей и тенденций. Предназначен для разработки наилучшей стратегии углубленного анализа и выдвижения гипотез.
- [Экстраполяция (Extrapolation)](https://wiki.loginom.ru/articles/extrapolation.html.md) : Разновидность аппроксимации, при которой оценивание значения переменной производится не внутри интервала ее изменения, как при интерполяции, а вне его. Являются одними из самых распространенных и наиболее разработанных методов прогнозирования.
- [Критерий Фишера (F-test)](https://wiki.loginom.ru/articles/f-test.html.md) : Статистический критерий для оценки значимости различия дисперсий двух случайных выборок. В Data Mining применяется для оценки значимости регрессионных моделей.
- [Факт (Fact)](https://wiki.loginom.ru/articles/fact.html.md) : В многомерном моделировании данных — показатель, количественно описывающий исследуемый процесс или объект — например, цена, количество, сумма, остаток на складе и т.д. Факты являются основой для построения многомерных OLAP-кубов.
- [Фактор (Factor)](https://wiki.loginom.ru/articles/factor.html.md) : Источник воздействия, приводящего к изменению значений переменных модели некоторой системы. В факторном анализе — линейная суперпозиция переменных, которые сильно коррелируют между собой, при том что сами факторы не коррелируют.
- [Факторный анализ (Factorial analysis)](https://wiki.loginom.ru/articles/factorial-analysis.html.md) : Направление математической статистики, помогающее обнаружить наиболее важные факторы, которые влияют на исследуемые процессы или объекты. Это позволяет строить аналитические модели с небольшим числом независимых переменных.
- [Тест FASMI (Fast Analysis of Shared Multidimensional Information)](https://wiki.loginom.ru/articles/fasmi.html.md) : Определение понятия OLAP в виде пяти критериев, которым должны удовлетворять попадающие в эту категорию программные продукты. Альтернатива 13-ти правилам Кодда.
- [Отбор признаков (Feature selection)](https://wiki.loginom.ru/articles/feature-selection.html.md) : В статистике и машинном обучении отбор признаков исходного набора данных, на основе которых будет строится аналитическая модель. Целью при этом является снижение размерности пространства поиска за счет выбора наиболее информативных признаков и исключения избыточных.
- [Выделение признаков (Feature engineering)](https://wiki.loginom.ru/articles/feature‐engineering.html.md) : В машинном обучении преобразование сырых, неструктурированных данных к виду, пригодному для признакового описания наблюдений.
- [ФИАС (FIAS)](https://wiki.loginom.ru/articles/fias.html.md) : Российский государственный информационный ресурс, содержащий сведения о существующих почтовых адресах, изменении и аннулировании адресов. Находится в ведении Федеральной налоговой службы.
- [Фильтр (Filter)](https://wiki.loginom.ru/articles/filter.html.md) : В анализе данных — инструмент, выделяющий из исходного набора данных некоторую часть с заданными свойствами. Входит в состав большинства аналитических платформ. Распространены фильтр строк, сглаживающий фильтр, экстраполирующий фильтр.
- [Финансовые коэффициенты (Financial ratios)](https://wiki.loginom.ru/articles/financial-ratios.html.md) : Величины, отражающие результаты финансовой деятельности компании и рассчитываемые на основе данных финансовой отчетности.
- [Распределение Фишера (Fisher's distribution)](https://wiki.loginom.ru/articles/fishers-distribution.html.md) : В теории вероятностей — двухпараметрическое семейство абсолютно непрерывных распределений. Применяется для проверки статистических гипотез, в частности, при оценке значимости регрессионных моделей.
- [Критерий согласия (Fitting criterion)](https://wiki.loginom.ru/articles/fitting-criterion.html.md) : Статистическое правило, по которому принимается или отвергается гипотеза о том, что исследуемая случайная величина подчиняется заданному эмпирическому закону распределения. Имеет важное значение при применении статистических методов анализа.
- [Метод фокус-групп (Focus group method)](https://wiki.loginom.ru/articles/focus-group-method.html.md) : Технология маркетингового исследования, состоящая в проведении групповой дискуссии под руководством модератора. Позволяет на основе небольшой группы потребителей выявить мнение о компании, продукте и т.д. широкой целевой аудитории.
- [Глубина прогноза (Forecast depth)](https://wiki.loginom.ru/articles/forecast-depth.html.md) : В анализе данных — ретроспективный временной интервал, на основе наблюдений которого делается прогноз. Если мы хотим построить прогноз на VI квартал, используя данные за I, II и III кварталы, то глубина составит 3.
- [Прогноз (Forecast)](https://wiki.loginom.ru/articles/forecast.html.md) : Обоснованное суждение о возможном состоянии исследуемого процесса или объекта в будущем. Прогнозирование является одной из важнейших задач аналитических технологий Data Mining.
- [Прогнозирование (Forecasting)](https://wiki.loginom.ru/articles/forecasting.html.md) : Предсказание будущих событий, явлений, состояний различных объектов и процессов. Является одной из задач Data Mining и одним из ключевых моментов при принятии решений.
- [Преобразование Фурье (Fourier transform)](https://wiki.loginom.ru/articles/fourier-transform.html.md) : Интегральное преобразование, которое преобразует функцию с временной области в частотную. Является основой методов спектрального анализа, позволяющего упростить некоторые задачи анализа данных.
- [Выявление мошенничеств (Fraud detection)](https://wiki.loginom.ru/articles/fraud-detection.html.md) : Направление интеллектуального анализа данных, включающее методы выявления мошеннических действий в кредитно-финансовой сфере, телекоммуникациях и т.д. Использует методы Data Mining — нейронные сети, деревья решений и т.д.
- [Мошенничество (Fraud)](https://wiki.loginom.ru/articles/fraud.html.md) : В анализе данных — обманные действия в области кредитования, банковских карт, телекоммуникациях и других сферах, где они могут быть выявлены с помощью аналитических методов.
- [Таблица частот (Frequency array)](https://wiki.loginom.ru/articles/frequency-array.html.md) : Показывает, сколько раз каждое значение набора данных появляется в нем. Является простейший методом анализа категориальных переменных. Наиболее часто используется в рамках разведочного анализа данных.
- [Частотная область (Frequency domain)](https://wiki.loginom.ru/articles/frequency-domain.html.md) : В обработке сигналов и анализе данных — область преобразований, в которой сигналы и данные обрабатываются как функции частоты. Используется для упрощения некоторых задач обработки, реализуемых с помощью спектрального анализа.
- [Популярный набор (Frequent Itemset)](https://wiki.loginom.ru/articles/frequent-itemset.html.md) : Набор предметов (например, товаров, приобретаемых вместе), имеющий поддержку (частоту появления) выше некоторого порога. В аналитике данных термин относят к ассоциативным правилам и задаче анализа рыночной корзины.
- [Экстремум функции (Function extremum)](https://wiki.loginom.ru/articles/function-extremum.html.md) : Максимальное или минимальное значение функции на заданном интервале. В машинном обучении подбор параметров моделей производится с целью достижения минимума функции ошибки обучения.
- [Нечеткая логика (Fuzzy logic)](https://wiki.loginom.ru/articles/fuzzy-logic.html.md) : Форма многозначной логики, в которой истинные значения переменных могут быть любыми действительными числами от 0 до 1 включительно. Применяется во многих областях, от теории управления до искусственного интеллекта.
- [Модель GARCH (GARCH-model)](https://wiki.loginom.ru/articles/garch-model.html.md) : Модель, используемая для прогнозирования ситуации на финансовых рынках в условиях нестабильности (волатильности). В таких условиях обычные линейные регрессионные модели оказываются слишком грубыми.
- [Генеральная совокупность (General population)](https://wiki.loginom.ru/articles/general-population.html.md) : Совокупность всех объектов или наблюдений, которые подлежат изучению. Объем генеральной совокупности может быть очень велик, поэтому на практике обычно из нее извлекаются выборки для анализа.
- [Обобщающая способность (Generalization ability)](https://wiki.loginom.ru/articles/generalization-ability.html.md) : Способность аналитической модели, построенной на основе машинного обучения (нейронной сети, дерева решений, карты Кохонена и др.) выдавать правильные результаты не только для обучающих примеров, но и для любых новых.
- [Ошибка обобщения (Generalization error)](https://wiki.loginom.ru/articles/generalization-error.html.md) : Ошибка, которую модель, основанная на машинном обучении, показывает на примерах, не участвовавших в процессе обучения. Служит для оценивания «подгонки» модели к обучающему множеству и для выявления эффекта переобучения.
- [Обобщенные ассоциативные правила (Generalized Association Rules)](https://wiki.loginom.ru/articles/generalized-association-rules.html.md) : В анализе данных — правила, которые описывают ассоциативную связь не только между отдельными товарами и их наборами, но и товарными группами. Иногда связей между отдельными предметами не обнаруживается, но они выявляются между товарными группами.
- [Генетический алгоритм (Genetic algorithm)](https://wiki.loginom.ru/articles/genetic-algorithm.html.md) : Метод решения задач оптимизации, основанный на принципах процессов естественного отбора (мутация, скрещивание, отбор). Является частью более обширного направления искусственного интеллекта — эволюционных вычислений.
- [Геомаркетинг (Geomarketing)](https://wiki.loginom.ru/articles/geomarketing.html.md) : Разновидность маркетинга, в которой стратегия взаимодействия с клиентами разрабатывается с использованием данных об их местоположении.
- [Товар Гиффена (Giffen good)](https://wiki.loginom.ru/articles/giffen-good.html.md) : Товар, потребление которого увеличивается при повышении цены или уменьшается при ее снижении. Применение моделей Data Mining, учитывающих парадокс Гиффена, позволяет повысить результативность анализа.
- [Мусор на входе — мусор на выходе (Garbage in, garbage out)](https://wiki.loginom.ru/articles/gigo.html.md) : Принцип, согласно которому на основе данных низкого качества невозможно получить корректные результаты анализа и принять эффективные управленческие решения.
- [Индекс Джини (Gini index)](https://wiki.loginom.ru/articles/gini-index.html.md) : Статистический показатель, с помощью которого можно описывать характер изменения одной величины относительно изменения другой. Основное применение — оценка неравномерности распределения изучаемого признака.
- [Глобальный минимум (Global minimum)](https://wiki.loginom.ru/articles/global-minimum.html.md) : В математическом анализе и численных методах — экстремум функции в точке, значение которой минимально на всей области определения. В машинном обучении используется для определения минимальной ошибки модели.
- [Золотая запись (Golden record)](https://wiki.loginom.ru/articles/golden-record.html.md) : В области управления мастер-данными — наиболее достоверное, проверенное, непротиворечивое и полное представление об объекте (клиенте, товаре, контрагенте и т.д.).
- [Жадный алгоритм (Greedy Algorithm)](https://wiki.loginom.ru/articles/greedy-algorithm.html.md) : Алгоритм, который на каждом шаге ищет локально-оптимальное решение, предполагая, что конечное общее решение, как суперпозиция локальных, также будет оптимальным. Многие алгоритмы Data Mining являются жадными.
- [Эталонные данные (Ground truth)](https://wiki.loginom.ru/articles/ground-truth.html.md) : В машинном обучении под эталонными понимают специально отбираемые и помечаемые данные, корректность и достоверность которых считается не подлежащей сомнению. Наборы эталонных данных обычно формируются экспертами предметной области и используются для повышения и контроля точности ML-моделей.
- [Галлюцинации искусственного интеллекта (Hallucinations of artificial intelligence)](https://wiki.loginom.ru/articles/hallucinations-ai.html.md) : Явление в системах ИИ, обычно в генеративных моделях, проявляющееся в формировании бессмысленных или ошибочных, хотя и правдоподобных результатов, а также в выдаче за факты несуществующих событий. Это может вводить людей в заблуждение и создавать риск принятия некорректных решений.
- [Расстояние Хэмминга (Hamming distance)](https://wiki.loginom.ru/articles/hamming‐distance.html.md) : Величина, определяющая степень различия между двумя строками одинаковой длины, вычисляемая как количество позиций, в которых соответствующие символы отличаются.
- [Счастливый путь (Happy path)](https://wiki.loginom.ru/articles/happy-path.html.md) : Счастливый путь (Happy path) — упорядоченный и корректный перечень событий, наиболее часто встречающийся в бизнес-процессе.
- [Файловая система HDFS (Hadoop Distributed File System)](https://wiki.loginom.ru/articles/hdfs.html.md) : Система для хранения файлов больших размеров, поблочно распределенных между узлами вычислительного кластера. Все блоки (кроме последнего блока файла) имеют одинаковый размер, и каждый блок может быть размещен на нескольких узлах.
- [Гетероскедастичность (Heteroskedastic regression)](https://wiki.loginom.ru/articles/heteroskedastic-regression.html.md) : Свойство данных, используемых при построении регрессионной модели, когда разброс точек наблюдений вдоль линии регрессии является неравномерным на всем диапазоне изменения независимой переменной.
- [Эвристический алгоритм (Heuristic algorithm)](https://wiki.loginom.ru/articles/heuristic-algorithm.html.md) : Практический метод решения задачи, не всегда приводящий к точным или оптимальным результатам, но позволяющий ускорить выполнение поставленного задания.
- [Иерархия измерений (Hierarchy of Dimensions)](https://wiki.loginom.ru/articles/hierarchy.html.md) : Концепция организации многомерных баз и хранилищ данных, между измерениями которых имеют место иерархические отношения. Иерархия может быть обусловлена особенностями самих данных или необходимостью их агрегирования.
- [Гистограмма (Histogram)](https://wiki.loginom.ru/articles/histogram.html.md) : Диаграмма, которая используется в статистике для графического представления распределения вероятностей значений случайной величины. По форме гистограммы можно в первом приближении оценить закон распределения величины.
- [Фильтр Ходрика-Прескотта (Hodrick–Prescott filter)](https://wiki.loginom.ru/articles/hodrickprescott-filter.html.md) : В анализе временных рядов, метод сглаживания циклической составляющей и выделения трендовой. В результате временной ряд представляется в виде кривой, которая лучше отражает долгосрочные изменения, чем краткосрочные. Широко применяется в экономических исследованиях и бизнес-аналитике.
- [Модель Хольта (Holt's model)](https://wiki.loginom.ru/articles/holts-model.html.md) : Модель прогнозирования, представляющая динамику временного ряда как линейную зависимость с постоянно изменяющимися параметрами.
- [Гомогенность (Homogeneous)](https://wiki.loginom.ru/articles/homogeneous-quantities.html.md) : Свойство выборки данных, которое означает, что все ее элементы имеют схожие характеристики. От однородности  зависят точность и корректность результатов анализа данных.
- [Гомоскедастичность (Homoscedastic regression)](https://wiki.loginom.ru/articles/homoscedastic-regression.html.md) : Свойство данных, используемых для построения модели линейной регрессии, которое заключается в том, что их дисперсия вдоль прямой регрессии является постоянной. Одно из условий эффективности регрессионной модели.
- [Информационный критерий Ханнана-Куина (Hannan-Quinn criterion)](https://wiki.loginom.ru/articles/hq.html.md) : В статистике и анализе данных — критерий для сравнения моделей с разным числом параметров, когда требуется выбрать лучший набор независимых переменных. Лучшая модель имеет наименьшее значение критерия.
- [Гибридные интеллектуальные системы (Hybrid intelligence system)](https://wiki.loginom.ru/articles/hybrid-intelligence-system.html.md) : Системы, которые при решении задач используют параллельно несколько различных методов искусственного интеллекта, например, экспертные системы, нейронные сети, нечеткую логику, генетические алгоритмы, ассоциативные правила.
- [Гиперсегментация (Hyper-segmentation)](https://wiki.loginom.ru/articles/hyper-segmentation.html.md) : Технология формирования персонализированных маркетинговых предложений для очень узких сегментов целевой аудитории.
- [Гиперпараметры (Hyperparameters)](https://wiki.loginom.ru/articles/hyperparameters.html.md) : В машинном обучении — параметры алгоритмов, значения которых устанавливаются перед запуском процесса обучения (тогда как обычные параметры вычисляются в процессе обучения). Используются для управления процессом обучения.
- [Статистическая проверка гипотез (Hypotesis testing)](https://wiki.loginom.ru/articles/hypotesis-testing.html.md) : Процедура обоснованного сопоставления высказанной гипотезы о природе или величине неизвестных статистических параметров анализируемого явления с имеющимися в распоряжении исследователя выборочными данными (выборкой).
- [Гипотеза (Hypothesis)](https://wiki.loginom.ru/articles/hypothesis.html.md) : В математической статистике и анализе данных — предположение о виде распределения и свойствах случайной величины, которое можно подтвердить или опровергнуть применением статистических методов к выборочным данным.
- [Резидентные вычисления (In-Memory Computing)](https://wiki.loginom.ru/articles/in-memory-computing.html.md) : Резидентные (In-Memory) вычисления — технология построения высокопроизводительных распределенных системы, предназначенных для хранения и обработки данных в оперативной памяти в реальном времени. Обеспечивает производительность на порядки быстрее, чем системы, использующие дисковые накопители.
- [Управление инцидентами (Incident management)](https://wiki.loginom.ru/articles/incident-management.html.md) : Составляющая процесса управления предприятием, которая имеет задачей восстанавливать его нормальное функционирование при возникновении инцидентов. Технологии анализа данных позволяют прогнозировать возникновение инцидентов.
- [Критерий прироста информации (Information Gain)](https://wiki.loginom.ru/articles/info-gain.html.md) : В анализе данных и машинном обучении — критерий, используемый для выбора лучшего разбиения подмножеств в узлах деревьев решений в алгоритмах обучения ID3 и С4.5.
- [Информационная энтропия (Information entropy)](https://wiki.loginom.ru/articles/inform-entropy.html.md) : В теории информации энтропия — это средняя скорость генерирования значений некоторым случайным источником данных. В анализе данных используется в алгоритмах классификации как мера классовой однородности подмножеств наблюдений.
- [Информационная асимметрия (Information asimmetry)](https://wiki.loginom.ru/articles/information-assimetry.html.md) : Ситуация на рынке, при которой важные сведения доступны только некоторым его участникам. Применение технологий Data Mining позволяет снизить издержки от информационной асимметрии за счет дополнительных знаний.
- [Информационный индекс (Information value)](https://wiki.loginom.ru/articles/information-value.html.md) : Величина, определяющая значимость переменной в модели бинарной классификации. Вычисляется на основе коэффициентов WoE. Является критерием для формирования конечных классов оптимальным образом.
- [Нейрон входной (Input neuron)](https://wiki.loginom.ru/articles/input-neuron.html.md) : В искусственной нейронной сети — нейрон, который принимает элементы входного вектора и распространяет их на входы нейронов следующего (скрытого) слоя сети. Количество входных нейронов равно размерности входного вектора.
- [Входная переменная (Input variable)](https://wiki.loginom.ru/articles/input-variable.html.md) : В статистическом моделировании и машинном обучении — величина, от которой зависит изменение выходной переменной. Совокупность входных переменных образует входной вектор.
- [Интегрированное планирование (Integrated planning)](https://wiki.loginom.ru/articles/Integrated-planning.html.md) : Процесс, объединяющий в единую систему процессы планирования различных функций как внутри компании, так и за ее пределами.
- [Интерполяция (Interpolation)](https://wiki.loginom.ru/articles/interpolation.html.md) : Метод нахождения неизвестных промежуточных значений функции по имеющемуся дискретному набору ее известных значений. В анализе данных используется для восстановления пропущенных и замены аномальных значений.
- [Интервальные данные (Interval Data)](https://wiki.loginom.ru/articles/interval-data.html.md) : В математической статистике — данные, значения которых зафиксированы в отдельных, равноотстоящих друг от друга точках в некоторой шкале (например, времени или температуры).
- [Управление запасами (Inventory control)](https://wiki.loginom.ru/articles/inventory-control.html.md) : Направление деятельности, нацеленное на поддержание товарных и производственных запасов в таком состоянии, при котором затраты на них минимальны, а связанная с ними прибыль максимальна.
- [Нормы запасов (Inventory rates)](https://wiki.loginom.ru/articles/inventory-rates.html.md) : Минимальное количество предметов труда, находящееся у предприятия и необходимое для бесперебойного снабжения производства или торговли.
- [Товарный запас (Inventory)](https://wiki.loginom.ru/articles/inventory.html.md) : Резервы готовой продукции, находящиеся на складах предприятия, в сфере обращения (запасы в пути, запасы на предприятиях торговли).
- [Показатели оценки инвестиций (Investment appraisal indicators)](https://wiki.loginom.ru/articles/investment-appraisals.html.md) : Набор финансовых показателей, которые позволяют оценить ожидаемую прибыльность инвестиций с различных точек зрения, а также определить насколько тот или иной инвестиционный проект соответствует интересам участников и их бизнес-целям.
- [Интерквартильный размах (Interquartile range)](https://wiki.loginom.ru/articles/iqr.html.md) : В описательной статистике мера разброса значений данных относительно медианы. Равен разности между 1-м и 3-м квартилями распределения.
- [Метод k-средних (K-means)](https://wiki.loginom.ru/articles/k-means.html.md) : Используется для кластеризации данных на основе алгоритма разбиения векторного пространства на заранее определенное число кластеров. Преимущества метода — скорость и простота реализации.
- [Метод k-ближайших соседей (K-nearest neighbor)](https://wiki.loginom.ru/articles/k-nearest-neighbor.html.md) : Используется для решения задачи классификации. Относит объекты к классу, которому принадлежит большинство из k его ближайших соседей в многомерном пространстве признаков. Один из простейших алгоритмов обучения классификационных моделей.
- [Фильтр Калмана (Kalman filter)](https://wiki.loginom.ru/articles/kalman-filter.html.md) : В анализе данных — эффективный рекурсивный фильтр, оценивающий вектор состояния динамической системы, описанной рядом неполных и зашумленных измерений. Используется для исследования непрерывного временного ряда.
- [КЛАДР](https://wiki.loginom.ru/articles/kladr.html.md) : Онлайн-классификатор адресов ФНС России. Может использоваться для очистки персональных данных от ошибок, допускаемых при внесении адресной информации. В настоящее время заменен на ФИАС.
- [База знаний (Knowledge base)](https://wiki.loginom.ru/articles/knowledge-base.html.md) : Технология для хранения сложной структурированной и неструктурированной информации в компьютерных системах. Содержит факты окружающего мира, а механизм вывода использует различные формы логики для получения новых знаний.
- [Обнаружение знаний в базах данных (Knowledge Discovery in Databases)](https://wiki.loginom.ru/articles/knowledge-discovery-in-databases.html.md) : Нетривиальный процесс обнаружения корректных, новых, потенциально полезных и интерпретируемых шаблонов в больших массивах данных. Междисциплинарное направление на стыке машинного обучения, искусственного интеллекта и других дисциплин.
- [Тиражирование знаний (Knowledge replication)](https://wiki.loginom.ru/articles/knowledge-replication.html.md) : Процесс создания аналитических моделей, которые обеспечивают конечным пользователям возможность применять результаты моделирования для принятия решений без необходимости понимания методик.
- [Сеть Кохонена (Kohonen network)](https://wiki.loginom.ru/articles/kohonen-network.html.md) : Специальный тип нейронной сети для решения задачи кластеризации. Состоит из двух слоев — входного (распределительного) и выходного, который также называют слоем Кохонена.
- [Ключевые показатели эффективности (Key Performance Indicators)](https://wiki.loginom.ru/articles/kpi.html.md) : Система числовых показателей для оценивания эффективности деятельности компании в целом, или отдельных ее подразделений, работников и направлений деятельности. Позволяют оценить текущее состояние предприятия, определить, насколько далеко оно от оптимального, а также выявить возможности по улучшению.
- [Критерий Колмогорова-Смирнова (Kolmogorov–Smirnov test)](https://wiki.loginom.ru/articles/ks-test.html.md) : Статистический критерий для определения соответствия эмпирического и теоретического вероятностных распределений, а также сравнения распределений двух выборок.
- [Закон больших чисел (Law of large numbers)](https://wiki.loginom.ru/articles/law-large.html.md) : В теории вероятности — утверждение, что совместное действие набора случайных факторов может привести к неслучайному результату. При анализе данных закон больших чисел требует использовать как можно большее число наблюдений.
- [Ленивые вычисления (Lazy evaluation)](https://wiki.loginom.ru/articles/lazy-evaluation.html.md) : Стратегия, по которой вычисления откладываются до тех пор, пока не понадобится их результат. Это позволяет повысить производительность, ограничив выполнение вычислений только теми ситуациями, когда они действительно необходимы.
- [Лид-менеджмент (Lead management)](https://wiki.loginom.ru/articles/lead-management.html.md) : Процесс управления потенциальными клиентами в ходе их продвижения по воронке продаж, от первого интереса к продукту до его покупки.
- [Коэффициент скорости обучения (Learning rate)](https://wiki.loginom.ru/articles/learning-rate.html.md) : В машинном обучении — параметр градиентных алгоритмов обучения нейронных сетей, позволяющий управлять величиной коррекции весов на каждой итерации.
- [Метод наименьших квадратов (Least-Squares method)](https://wiki.loginom.ru/articles/least-squares-method.html.md) : Математический подход для оценки параметров моделей (например, регрессионной) на основании экспериментальных данных, содержащих случайные ошибки. Важнейшим применением метода в анализе данных является линейная регрессия.
- [Лемматизация (Lemmatisation)](https://wiki.loginom.ru/articles/lemmatisation.html.md) : Лемматизация позволяет привести все формы одного слова к единому значению. Это снижает вариативность одного и того же слова, что повышает качество анализа текста.
- [Расстояние Левенштейна (Levenshtein’s distance)](https://wiki.loginom.ru/articles/levenshteins-distance.html.md) : Определяет, сколько раз необходимо добавить/удалить/заменить символ, чтобы одну строку превратить в другую. Может служить фильтром, отбрасывающим неприемлемые варианты, у которых значение функции больше заданной константы.
- [Жизненный цикл клиента (Customer life-cycle)](https://wiki.loginom.ru/articles/lifecycle-customer.html.md) : Совокупность этапов взаимоотношений между клиентом и обслуживающей его компанией. Анализ жизненного цикла позволяет обоснованно применять различные маркетинговые стратегии.
- [Лифт-кривая (Lift-Curve)](https://wiki.loginom.ru/articles/lift-curve.html.md) : Визуальное средство для оценивания предсказательной способности и сравнения моделей бинарной классификации, а также оптимизации издержек классификации.
- [Лифт ассоциативного правила (Lift of Association Rule)](https://wiki.loginom.ru/articles/lift-of-association-rule.html.md) : В анализе данных — субъективная мера значимости ассоциативного правила. Правило, имеющее значение лифта больше 1, может считаться значимым. Значение меньше 1 указывает на наличие «антиправила».
- [Тест отношения правдоподобия (Likelihood-ratio test)](https://wiki.loginom.ru/articles/likelihood-ratio-test.html.md) : Статистический тест для сравнения двух моделей, одна из которых строится на всех переменных исходного набора данных, а другая на некоторым их подмножестве.
- [Отношение правдоподобия (Likelihood ratio)](https://wiki.loginom.ru/articles/likelihood-ratio.html.md) : В теории вероятности — отношение вероятности получить положительный результат для положительного исхода к вероятности получить положительный результат для отрицательного исхода.
- [Дискриминантный линейный анализ (Linear discriminant analysis)](https://wiki.loginom.ru/articles/linear-discriminant-analysis.html.md) : Методы статистики и машинного обучения для нахождения линейных комбинаций признаков, наилучшим образом разделяющих классы объектов или событий. Позволяет изучать различия между группами объектов по нескольким признакам одновременно.
- [Нормирование линейное (Linear normalization)](https://wiki.loginom.ru/articles/linear-normalization.html.md) : Приведение диапазона изменения значений признаков к требуемым границам (например, от 0 до 1). Является необходимым начальным этапом обработки данных при использовании многих многомерных статистических методов.
- [Линейная разделимость (Linear partibility)](https://wiki.loginom.ru/articles/linear-partibility.html.md) : Два множества векторов линейно разделимы, если существует такая прямая, для которой все точки одного множества расположены с одной стороны, а другого — с другой. Применяется в машинном обучении при решении задач классификации.
- [Линейная регрессия (Linear regression)](https://wiki.loginom.ru/articles/linear-regression.html.md) : В математической статистике — метод аппроксимации зависимостей между входными и выходными переменными на основе линейной модели. Является частью более широкой статистической методики — регрессионного анализа.
- [Большая языковая модель (Large Language Model)](https://wiki.loginom.ru/articles/llm.html.md) : Разновидность моделей машинного обучения, обученных на больших массивах данных и способных распознавать и генерировать текст на естественном языке для решения широкого круга задач. Основана на архитектуре нейронной сети типа «трансформер» и методах глубокого обучения.
- [Локальный минимум (Local minimum)](https://wiki.loginom.ru/articles/local-minimum.html.md) : Экстремум функции в точке, значение которой минимально в некоторой локальной области определения. Имеет большое значение для оптимизации моделей в машинном обучении нейронных сетей, генетических алгоритмов и т.д.
- [Логистическая регрессия (Logistic Regression)](https://wiki.loginom.ru/articles/logistic-regression.html.md) : Статистическая модель, которая использует логистическую функцию для моделирования зависимости бинарной выходной переменной от набора входных. Многие задачи анализа данных могут быть решены с помощью бинарной классификации.
- [Логистическая аналитика (Logistics analysis)](https://wiki.loginom.ru/articles/logistics-analysis.html.md) : Направление в бизнес-аналитике, ориентированное на оптимизацию запасов, закупок и ресурсов, используемых в цепочках поставок. Использует различные технологии анализа данных для управления запасами.
- [Моделирование на основе аналогий (Look-alike modeling)](https://wiki.loginom.ru/articles/look-alike-modeling.html.md) : В маркетинге, технология анализа данных, позволяющая обнаруживать новые целевые аудитории на основе аналогий с профилями клиентов из существующих аудиторий.
- [Кривая Лоренца (Lorenz curve)](https://wiki.loginom.ru/articles/lorenz-curve.html.md) : В экономической статистике — альтернативный графический способ представления функции распределения случайной величины в приложении к исследованию распределения доходов населения.
- [Функция потерь (Loss function)](https://wiki.loginom.ru/articles/loss-function.html.md) : В машинном обучении — функция, которая отображает некоторое событие в виде действительного числа, интуитивно представляя некоторую «стоимость», связанную с событием. Используется для оценки параметров моделей.
- [Упущенные продажи (Lost sales)](https://wiki.loginom.ru/articles/lost-sales.html.md) : Разница между объемом платежеспособного спроса, предъявленного клиентами, и фактическим объемом отгрузок (продаж) клиентам.
- [Малокодовая разработка (Low-code)](https://wiki.loginom.ru/articles/low-code.html.md) : Концепция в области разработки прикладного программного обеспечения с помощью графических интерфейсов с минимальным (low-code) использованием ручного написания кода, или вообще без него (no-code).
- [Лояльность (Loyalty)](https://wiki.loginom.ru/articles/loyality.html.md) : В маркетинге — характеристика привязанности потребителей к определенному бренду, которая выражается в готовности совершать повторные покупки. Методы анализа данных позволяют сегментировать клиентов по уровню лояльности.
- [Машинное обучение (Machine learning)](https://wiki.loginom.ru/articles/machine-learning.html.md) : Направление искусственного интеллекта, связанное с разработкой аналитических моделей, которые автоматически обнаруживают в данных скрытые закономерности и самостоятельно приобретают свойства, необходимые для распознавания этих закономерностей.
- [Средняя абсолютная ошибка (Mean Absolute Error)](https://wiki.loginom.ru/articles/mae.html.md) : В статистике и машинном обучении используется в качестве меры оценки точности аналитических моделей, а также для их сравнения. Определяется как среднее абсолютных разностей между оценкой, которую на даном примере выдала модель и целевым значением.
- [Производственный запас (Manufacturing stock)](https://wiki.loginom.ru/articles/manufacturing-stock.html.md) : Резервы, формируемые на предприятиях, предназначенные для обеспечения бесперебойного непрерывного производственного процесса.
- [Модель MapReduce (MapReduce model)](https://wiki.loginom.ru/articles/mapreduce-model.html.md) : Разработанная Google программная модель и комплекс процедур генерирования и обработки больших массивов данных с помощью распределенных вычислений на большом числе узлов. Применима в широкой области задач, в т.ч. в машинном обучении.
- [Анализ рыночной корзины (Market Basket Analysis)](https://wiki.loginom.ru/articles/market-basket-analysis.html.md) : Задача выявления устойчивых наборов товаров, приобретаемых клиентами в супермаркете по одному чеку. В Data Mining в широком смысле — поиск устойчивых групп событий, происходящих совместно, в некоторой предметной области.
- [Сегментация рынка (Market segmentation)](https://wiki.loginom.ru/articles/market-segmentation.html.md) : Разделение рынка на группы покупателей, обладающих схожими характеристиками, для изучения их реакции на предложение того или иного товара или услуги. Технологии Data Mining предоставляют различные методы сегментации.
- [Маркетинговая атрибуция (Marketing attribution)](https://wiki.loginom.ru/articles/marketing-attribution.html.md) : Изучение точек взаимодействия клиентов с брендом с целью выявления наиболее эффективных маркетинговых каналов.
- [Мастер-данные (Master data)](https://wiki.loginom.ru/articles/master-data.html.md) : Корпоративные данные, которые носят информационно-справочный характер. Содержат информацию о бизнес-объектах организации — клиентах, сотрудниках, поставщиках, материалах, оборудовании и т.д. Создают контекст для бизнес-операций
- [Математическая статистика (Mathematical statistics)](https://wiki.loginom.ru/articles/mathematical-statistics.html.md) : Наука о математических методах анализа данных, полученных на основе большого числа наблюдений (измерений, опытов). Методы математической статистики являются основной построения большинства аналитических моделей Data Mining.
- [Принцип максимальной энтропии (Maximum entropy method)](https://wiki.loginom.ru/articles/maximum-entropy-method.html.md) : В теории вероятности — утверждение, что распределение вероятностей, которое наилучшим образом отражает текущее состояние данных — это распределение с наибольшей информационной энтропией.
- [Протокол контекста модели  (Model Context Protocol)](https://wiki.loginom.ru/articles/mcp.html.md) : Открытый стандарт, позволяющий осуществлять удобную и быструю интеграцию генеративных моделей ИИ с любыми сервисами и источниками данных, обеспечивая единый безопасный интерфейс и набор инструментов для работы с контекстом.
- [Среднее значение из наиболее вероятного интервала (Mean most likely interval)](https://wiki.loginom.ru/articles/mean-most-likely-interval.html.md) : Значение, используемое как альтернатива среднему значению и медиане, устойчивое к выбросам и аномальным значениям.
- [Среднеквадратическое отклонение (Mean square deviation)](https://wiki.loginom.ru/articles/mean-square-deviation.html.md) : Статистическая характеристика распределения случайной величины, показывающая среднюю степень разброса ее значений относительно математического ожидания. В анализе данных используется как мера изменчивости значений признаков.
- [Среднеквадратическая регрессия (Mean square regression)](https://wiki.loginom.ru/articles/mean-square-regression.html.md) : В анализе данных — разновидность регрессии, где при определении параметров модели используется метод наименьших средних квадратов. Применяется при обучении нейронных сетей с помощью алгоритма обратного распространения ошибки.
- [Мера (Measure)](https://wiki.loginom.ru/articles/measure.html.md) : Качественная или количественная характеристика состояния некоторого объекта или процесса. В анализе данных и многомерном моделировании является синонимом факта.
- [Медиана (Median)](https://wiki.loginom.ru/articles/median.html.md) : В статистике и теории вероятности — величина, такая что половина значений выборки больше нее, а другая половина — меньше. Иными словами, медиана представляет собой срединное значение упорядоченного по возрастанию (или убыванию) числового ряда. Используется как альтернатива среднему, устойчивая к выбросам и аномалиям в данных.
- [Метаданные (Metadata)](https://wiki.loginom.ru/articles/metadata.html.md) : Метаданные — это специальный вид данных, которые описывают структуру и свойства других данных.
- [Метрика (Metric)](https://wiki.loginom.ru/articles/metric.html.md) : В анализе данных — функция для определения расстояния между многомерными векторами в пространстве признаков. Понятие метрики важно для понимания работы моделей анализа данных, использующих операции с многомерными векторами.
- [Микромаркетинг (Micromarketing)](https://wiki.loginom.ru/articles/micromarketing.html.md) : Маркетинговая стратегия, ориентированная на достаточно узкую группу или даже отдельных клиентов, выявленных в результате микросегментации потребительской аудитории.
- [Микросегментация (Microsegmentation)](https://wiki.loginom.ru/articles/microsegmentation.html.md) : Разновидность сегментации клиентов, когда каждый сегмент образуется очень небольшим числом потребителей. Микросегменты могут стать основой маркетинговых кампаний с высоким уровнем персонализации.
- [Матрица миграции (Migration matrix)](https://wiki.loginom.ru/articles/migration-matrix.html.md) : Инструмент для оценивания кредитных рисков на основе вероятностей перехода (миграции) кредита из одной категории качества в другую. Матрица миграции состоит из вероятностей таких переходов.
- [Классификация по многим меткам (Multi-label classification)](https://wiki.loginom.ru/articles/mlc.html.md) : В машинном обучении разновидность задачи классификации, в которой объект может относиться одновременно более чем к одному классу.
- [Метод максимального правдоподобия (Maximum likelihood estimation)](https://wiki.loginom.ru/articles/mle.html.md) : Статистический метод оценки параметров вероятностных распределений с помощью максимизации функции правдоподобия.
- [Операции с моделями машинного обучения (Machine Learning Operations)](https://wiki.loginom.ru/articles/mlops.html.md) : Концепция и методология в области машинного обучения, согласно которым разработка ML-моделей и их развертывание в промышленной эксплуатации интегрируется в единый процесс с целью повышения эффективности управления их жизненным циклом.
- [Мода распределения (Mode)](https://wiki.loginom.ru/articles/mode.html.md) : В статистике — значение, которое случайная величина на заданном множестве наблюдений принимает наиболее часто. С точки зрения анализа данных, мода несет информацию о типичных значениях признака.
- [Деградация модели (Model degradation)](https://wiki.loginom.ru/articles/model-degradation.html.md) : Процесс постепенного снижения качества моделей машинного обучения в ходе их промышленной эксплуатации, относительно качества, которое модель показала по результатам обучения.
- [Управление моделями машинного обучения (ML-model management)](https://wiki.loginom.ru/articles/model-management.html.md) : Совокупность правил и программной архитектуры, направленных на эффективную разработку и сопровождение модели машинного обучения.
- [Модель скользящего среднего (Model of moving average)](https://wiki.loginom.ru/articles/model-of-moving-average.html.md) : Распространенный подход для моделирования одномерных временных рядов. Концептуально представляет собой линейную регрессию прогнозируемого значения ряда относительно текущего и ранее наблюдаемых случайных компонентов.
- [Моделирование (Modelling)](https://wiki.loginom.ru/articles/modelling.html.md) : Построение и изучение моделей объектов, процессов и явлений с целью обнаружения закономерностей их развития и прогнозирования их состояния в будущем. Играет ключевую роль в аналитических технологиях Data Mining.
- [Мониторинг (Monitoring)](https://wiki.loginom.ru/articles/monitoring.html.md) : Постоянное наблюдение за каким-либо явлением или процессом, отслеживание состояния конкретного объекта с целью оценки и анализа его поведения или ситуации в целом.
- [Метод Монте-Карло (Monte-Carlo technique)](https://wiki.loginom.ru/articles/monte-carlo-technique.html.md) : Класс вычислительных алгоритмов, моделирующих исследуемый процесс путем многократных повторений его случайных реализаций. Используются при решении задач оптимизации, численного интегрирования, анализа рисков в бизнесе и других.
- [Скользящее среднее (Moving Average)](https://wiki.loginom.ru/articles/moving-average.html.md) : Метод сглаживания временных рядов с целью исключения влияния случайной составляющей. Заключается в замене фактических значений членов ряда средним арифметическим значений нескольких ближайших к нему членов.
- [Средняя относительная ошибка (Mean Relational Error)](https://wiki.loginom.ru/articles/mrpe.html.md) : В статистике и машинном обучении используется в качестве относительной меры оценки точности аналитических моделей, а также для их сравнения. Определяется как среднее абсолютных разностей между оценкой, которую на данном примере выдала модель и целевым значением, отнесенных к величине целевого значения.
- [Многомерная база данных (Multi-dimensional Database)](https://wiki.loginom.ru/articles/multi-dimensional-database.html.md) : База данных, в которой данные организованы в виде упорядоченных многомерных массивов. В многомерных СУБД информация является логически целостной. Многомерные СУБД интенсивно внедряются с развитием OLAP-технологий.
- [Мультиклассовая классификация (Multiclass classification)](https://wiki.loginom.ru/articles/multiclass-classficaton.html.md) : Задача классификации, в которой каждое наблюдение исходного набора данных требуется отнести более, чем к двум классам.
- [Мультиколлинеарность (Multicollinearity)](https://wiki.loginom.ru/articles/multicollinearity.html.md) : В статистическом моделировании ситуация, когда две или более независимых переменных модели коррелированны. Мультиколлинеарность приводит к неустойчивости оценок параметров статистических моделей, когда даже небольшие изменения в исходных данных приводят к значительным изменениям в модели.
- [Многомерность (Multidimensional)](https://wiki.loginom.ru/articles/multidimensional.html.md) : В анализе данных — механизм, с помощью которого реализуется оперативный анализ данных (OLAP). Включает многомерное хранение, многомерное представление и многомерную обработку данных.
- [Многослойная нейронная сеть (Multilayer neural net)](https://wiki.loginom.ru/articles/multilayer-neural-net.html.md) : Нейронная сеть, в которой нейроны сгруппированы в слои. При этом каждый нейрон предыдущего слоя связан со всеми нейронами следующего слоя, а внутри слоев связи между нейронами отсутствуют.
- [Многослойный персептрон (Multilayered perceptron)](https://wiki.loginom.ru/articles/multilayered-perceptron.html.md) : Класс искусственных нейронных сетей прямого распространения, состоящих как минимум из трех слоев — входного, скрытого и выходного. Являются популярными инструментом анализа данных.
- [Множественная линейная регрессия (Multiple Linear Regression)](https://wiki.loginom.ru/articles/multiple-linear-regression.html.md) : Линейная регрессия, в модели которой число независимых переменных две или более. Несколько входных переменных позволяет увеличить долю объясненной дисперсии выходной переменной.
- [Многомасштабный анализ (Multiresolutional analysis)](https://wiki.loginom.ru/articles/multiresolutional-analysis.html.md) : Технология проектирования дискретных вейвлет-преобразований и алгоритма быстрого вейвлет-преобразования. Можно рассматривать как исследование графика какого-либо процесса с помощью набора луп с разным увеличением.
- [Н-грамма (N-gram)](https://wiki.loginom.ru/articles/n-gramm.html.md) : N-грамма — последовательность звуков, слогов, букв или слов из N элементов. Широко применяется для предугадывания пропущенных в тексте слов, выявления плагиата, автоматического определения языка, исправления орфографических ошибок, распознания речи, извлечения знаний из текста.
- [Наивная модель  (Naive approach)](https://wiki.loginom.ru/articles/naive-approach.html.md) : Модель временного ряда, в которой его текущее значение равно предыдущему наблюдаемому значению этого ряда.
- [Обработка естественного языка (Natural language processing)](https://wiki.loginom.ru/articles/natural-lang-proc.html.md) : Направление, решающее задачи понимания и генерации естественного языка компьютерными системами, анализа больших данных на естественном языке, взаимодействия между компьютерами и человеком на естественном языке.
- [Модель нейронной сети (Network model)](https://wiki.loginom.ru/articles/network-model.html.md) : Модель нейронной сети описывает ее архитектуру и конфигурацию, а также используемые алгоритмы обучения. Каждая архитектура сети предназначения для решения определенного класса задач анализа данных.
- [Нейронная сеть (Neural network)](https://wiki.loginom.ru/articles/neural-network.html.md) : Структура из искусственных нейронов, определенным образом связанных друг с другом и внешней средой. Представляет собой модель, основанную на машинном обучении. Нейросети широко используются в анализе данных.
- [Метод Ньютона (Newton method)](https://wiki.loginom.ru/articles/newton-method.html.md) : Алгоритм для экспериментального поиска экстремума функции. Используется в анализе данных для решения задач оптимизации, где требуется определить нуль первой производной либо градиента в случае многомерного пространства.
- [Нейрон карты Кохонена (Node)](https://wiki.loginom.ru/articles/node.html.md) : Искусственный нейрон, использующийся для построения карт Кохонена. В отличие от обычных нейронов, определяется не только своим вектором весов, но и вектором координат на карте.
- [Обучение с шумом (Noise learning)](https://wiki.loginom.ru/articles/noise-learning.html.md) : Метод обучения нейронных сетей, который позволяет градиентным алгоритмам обучения выходить из локальных минимумов. Основан на введении небольшой случайной составляющей в величину коррекции весов нейронов.
- [Шум (Noise)](https://wiki.loginom.ru/articles/noise.html.md) : В обработке сигналов — составляющая сигнала, имеющая случайный характер и не несущая полезной информации. В анализе данных — флуктуации значений признаков, описывающих бизнес-процессы, вызванные воздействием случайных факторов.
- [Показатель неаддитивный (Non-additive measure)](https://wiki.loginom.ru/articles/non-additive-measure.html.md) : Показатель (факт) многомерной модели данных, для которого агрегирование не имеет смысла ни по одному из ее измерений.
- [Нормирование нелинейное (Non-linear normalization)](https://wiki.loginom.ru/articles/non-linear-normalization.html.md) : В анализе данных — приведение исходного диапазона изменения величины к некоторому «нормальному» диапазону (например [0..1]) с использованием нелинейной функции. Часто применяется для нормирования выходов нейронов в нейронных сетях.
- [Нестационарность (Non-stationarity)](https://wiki.loginom.ru/articles/non-stationary-time-series.html.md) : Свойство временного ряда, заключающееся в изменении его статистических характеристик с течением времени.
- [Нормальное распределение (Normal Distribution)](https://wiki.loginom.ru/articles/normal-distribution.html.md) : В математической статистике и теории вероятностей — распределение вероятностей, которое задается функцией Гаусса. Типичная ситуация в анализе данных и служит хорошей моделью для многих реальных процессов.
- [Нормализация входных векторов (Normalization)](https://wiki.loginom.ru/articles/normalization.html.md) : В машинном обучении — процедура предобработки входных данных (обучающих, тестовых и рабочих множеств), при которой значения признаков, образующих входной вектор, приводятся к некоторому заданному диапазону.
- [Прогноз нормативный (Normative projection)](https://wiki.loginom.ru/articles/normative-projection.html.md) : Прогноз, направленный на определение путей и сроков достижения состояний бизнес-процесса, принимаемых в качестве цели. Позволяет разработать меры воздействия на объект прогнозирования для достижения желаемых показателей.
- [Задача NP-полная (NP-complete problem)](https://wiki.loginom.ru/articles/np-complete.html.md) : От англ. non-deterministic polynomial — вычислительная задача, для которой не существует эффективных алгоритмов решения. Понимание, относится ли задача к классу NP-полных, важно в анализе данных.
- [Нулевая гипотеза (Null hypothesis)](https://wiki.loginom.ru/articles/null-hypothesis.html.md) : В математической статистике — общее утверждение, согласно которому не существует связи между двумя измеряемыми явлениями или группами. Проверка нулевой гипотезы — центральная задача статистики.
- [Нулл-значение (Null-value)](https://wiki.loginom.ru/articles/null-value.html.md) : Псевдозначение, установка которого в ячейке таблицы базы данных указывает на то, что ячейка пустая, т.е. не содержит никакого значения.
- [Предметная область (Object domain)](https://wiki.loginom.ru/articles/object-domain.html.md) : Множество понятий и объектов, рассматриваемых в пределах отдельного рассуждения, исследования или теории. В анализе данных предметной областью может являться компания, внешнее окружение, сегмент рынка и т.д.
- [Целевая функция (Objective function)](https://wiki.loginom.ru/articles/objective-function.html.md) : Математическое выражение некоторого критерия качества одного объекта (решения, модели, процесса и т.д.) в сравнении с другим. Обычно требуется минимизировать или максимизировать целевую функцию.
- [Одноклассовая классификация (One-class classification)](https://wiki.loginom.ru/articles/occ.html.md) : Задача классификации, в которой обучающий набор данных содержит примеры, размеченные только для одного класса.
- [Программный интерфейс ODBC (Open Database Connectivity)](https://wiki.loginom.ru/articles/odbc.html.md) : Программный интерфейс (API) доступа к базам данных, разработанный Microsoft. Позволяет использовать один интерфейс доступа к данным, не беспокоясь о тонкостях взаимодействия с несколькими источниками.
- [Отношение шансов (Odds ratio)](https://wiki.loginom.ru/articles/odds-ratio.html.md) : Статистика, которая количественно определяет силу связи между двумя событиями из одной статистической совокупности. Определяется как отношение вероятности события A в присутствии B к вероятности события A в отсутствие B.
- [Шанс (Odds)](https://wiki.loginom.ru/articles/odds.html.md) : Количественная характеристика генеральной совокупности, равная отношению вероятности того, что событие произойдет к вероятности того, что событие не произойдет.
- [Обучение оффлайновое (Off-line learning)](https://wiki.loginom.ru/articles/off-line-learning.html.md) : В машинном обучении — метод обучения нейронной сети, при котором коррекции ее весов на каждой итерации производится после предъявления сети всех примеров из обучающего множества.
- [Обработка транзакций в реальном времени (Online Transaction Processing)](https://wiki.loginom.ru/articles/oltp.html.md) : Информационные системы, которые управляют работой транзакционно-ориентированных приложений. Типичные примеры — ввод заказов, розничные продажи, системы финансовых транзакций (банкоматы).
- [Обучение онлайновое (On-line learning)](https://wiki.loginom.ru/articles/on-line-learning.html.md) : В машинном обучении — метод обучения искусственных нейронных сетей, при котором корректировка весов нейронов производится после подачи на вход каждого обучающего примера.
- [Оперативный анализ данных (OnLine Analytical Processing)](https://wiki.loginom.ru/articles/online-analytical-processing.html.md) : Технология хранения и обработки многомерных данных, позволяющая получать сложные аналитические отчеты в реальном времени.
- [Онтология (Ontology)](https://wiki.loginom.ru/articles/ontology.html.md) : Метод формализации знаний о предметной области с помощью концептуальной схемы, т.е. определения экземпляров, понятий, атрибутов и отношений.
- [Оптимизация (Optimization)](https://wiki.loginom.ru/articles/optimization.html.md) : В математике — задача нахождения экстремума функции. В анализе данных — процесс поиска состояния модели, которое позволило бы решить поставленную задачу наилучшим образом.
- [Упорядоченные данные (Ordinal data)](https://wiki.loginom.ru/articles/ordinal-data.html.md) : Категориальные данные, в которых для категорий может быть установлено отношение порядка, а расстояния между категориями не определены. Примерами являются ответы на закрытые вопросы анкеты, должности, воинские звания, оценки и т.п.
- [Оперативный склад данных (Operational Data Store)](https://wiki.loginom.ru/articles/osd.html.md) : Разновидность систем хранения, обеспечивающая оперативные анализ и отчетность, а также поддержку работы централизованного хранилища данных.
- [Выброс (Outlier)](https://wiki.loginom.ru/articles/outlier.html.md) : Значения, которые не укладываются в общую модель поведения анализируемого процесса. Могут быть вызваны ошибками измерений, некорректным вводом данных или воздействием случайных, не поддающихся прогнозированию факторов.
- [Выходной слой (Output layer)](https://wiki.loginom.ru/articles/output-layer.html.md) : Слой нейронной сети, на выходах которого формируется результат — отклик сети на входное воздействие. Число составляющих его нейронов определяется количеством зависимых переменных модели.
- [Нейрон выходной (Output neuron)](https://wiki.loginom.ru/articles/output-neuron.html.md) : Нейрон, расположенный в выходном слое многослойной нейронной сети. На выходных нейронах формируется отклик сети на входное воздействие. Число выходных нейронов равно числу выходных переменных модели.
- [Выходная переменная (Output variable)](https://wiki.loginom.ru/articles/output-variable.html.md) : В математическом моделировании — переменная модели, которая зависит от входных переменных и случайных факторов, воздействующих на моделируемый процесс или объект. Представляет результат работы модели.
- [Глобальная оптимизация (Overall optimization)](https://wiki.loginom.ru/articles/overall-optimization.html.md) : В анализе данных — раздел прикладной математики и численного анализа, который занимается проблемами поиска глобальных экстремумов функций.
- [Избыточные запасы (Overstock)](https://wiki.loginom.ru/articles/overstock.html.md) : Ситуация, когда фактический запас товара на складе выше, чем его оптимальный или целевой уровень.
- [Переобучение (Overtraining)](https://wiki.loginom.ru/articles/overtraining.html.md) : В машинном обучении — явление, когда модель хорошо распознает примеры из обучающего множества, но не распознает или плохо распознает любые другие примеры, не участвовавшие в процессе обучения.
- [Значимая вероятность (P-value)](https://wiki.loginom.ru/articles/p-value.html.md) : В математической статистике — вероятность того, что значение проверочной статистики используемого критерия, вычисленное по выборке, превысит установленное p-значение. Применяется при статистической проверке гипотез.
- [Диаграмма Парето (Pareto chart)](https://wiki.loginom.ru/articles/pareto-chart.html.md) : Графическое представление закона Парето. Представляет собой столбчатую диаграмму и используется для наглядного отображения анализируемых факторов в порядке уменьшения их значимости.
- [Линия Парето (Pareto line)](https://wiki.loginom.ru/articles/pareto-line.html.md) : Прямая, пересекающая оси ординат и абсцисс в точках с координатами (100;0) и (0;100), соответственно. Пересечение линии Парето и диаграммы Парето даст точку Парето.
- [Точка Парето (Pareto point)](https://wiki.loginom.ru/articles/pareto-point.html.md) : Точка на пересечении линии Парето и диаграммы Парето. На практике используется в задачах ABC-анализа и XYZ-анализа.
- [Закон Парето (Pareto principle)](https://wiki.loginom.ru/articles/pareto-principle.html.md) : Утверждение, что в большинстве случаев примерно 80% результатов порождается от 20% деятельности. Основная сфера применения — экономика, менеджмент и социология.
- [Парсер (Parser)](https://wiki.loginom.ru/articles/parser.html.md) : Программа или сервис для сбора и анализа большого объема данных в автоматическом режиме.
- [Частный F-тест (Partial F-test)](https://wiki.loginom.ru/articles/partial-f-test.html.md) : Статистический метод, в котором производится сравнение среднего квадрата регрессии со средним квадратом ошибки регрессии. Используется для отбора входных переменных в моделях множественной линейной регрессии.
- [Персонализация (Personalization)](https://wiki.loginom.ru/articles/personalization.html.md) : Процесс адаптации продукции и услуг компании к узкой целевой аудитории. Предсказательная персонализация определяет особенности потребительского поведения. Для этих целей используются технологии анализа данных.
- [Персонализированное ценообразование (Personalized pricing)](https://wiki.loginom.ru/articles/personalized-pricing.html.md) : Стратегия ценообразования, при которой компания устанавливает разные цены на один и тот же товар для разных клиентов на основе их готовности платить, поведения и данных с целью максимизации прибыли.
- [Функция правдоподобия (Plausibility function)](https://wiki.loginom.ru/articles/plausibility-function.html.md) : Функция, определяющая вероятность значений параметров регрессионной модели для заданного значения независимой переменной.
- [Апостериорная вероятность (Posterior probability)](https://wiki.loginom.ru/articles/posterior-probabilit.html.md) : Вероятность события A при условии, что произошло событие B. Принцип максимума апостериорной вероятности лежит в основе работы простого байесовского классификатора.
- [Точность (Precision)](https://wiki.loginom.ru/articles/precision.html.md) : Степень соответствия результатов, полученных в процессе исследований, измерений, экспериментов, истинным значениям. В анализе данных обычно ищут компромисс между точностью аналитической модели и затратами на ее реализацию.
- [Предсказательная аналитика (Predictive analytics)](https://wiki.loginom.ru/articles/predictive-analytics.html.md) : Направление в интеллектуальном анализе данных, в котором модели машинного обучения и статистики используются для предсказания неизвестных значений признаков исследуемых объектов и процессов, на основе известных.
- [Метод главных компонент (Principal component analysis)](https://wiki.loginom.ru/articles/principal-component-analysis.html.md) : Технология многомерного статистического анализа для сокращения размерности пространства признаков с минимальной потерей полезной информации. Широко используется в аналитике данных на этапе предобработки.
- [Априорная вероятность (Prior probability)](https://wiki.loginom.ru/articles/prior-probability.html.md) : В теории вероятностей — степень уверенности в том, что событие произошло, в отсутствие любой другой информации, связанной с этим событием. Необходима для вычисления апостериорных вероятностей.
- [Упреждающий анализ (Proactive analysis)](https://wiki.loginom.ru/articles/proactive-analysis.html.md) : Анализ данных, направленный на прогнозирование ситуации на рынках и позволяющий разработать бизнес-стратегию на случай появления этих условий. Эффективным инструментом являются технологии Data Mining.
- [Теория вероятностей (Probability theory)](https://wiki.loginom.ru/articles/probability-theory.html.md) : Раздел математики, изучающий закономерности случайных явлений, событий и величин, их свойства и операции над ними. Методы теории широко используются в анализе данных. Большинство аналитических моделей являются вероятностными.
- [Экземпляр процесса (Process Instance)](https://wiki.loginom.ru/articles/process-instance.html.md) : Конкретная реализация процесса, описанная с помощью модели процесса.
- [Процесс-майнинг (Process mining)](https://wiki.loginom.ru/articles/process-mining.html.md) : Семейство методов в области управления процессами, поддерживающих анализ бизнес-процессов на основе журналов событий. Алгоритмы анализа данных позволяют обнаруживать в процессах скрытые зависимости.
- [Путь процесса (Process Path)](https://wiki.loginom.ru/articles/process-path.html.md) : Конкретная последовательность событий, которая хотя бы раз встречалась в ходе процесса.
- [Трасса (Trace)](https://wiki.loginom.ru/articles/process-track.html.md) : Перечень уникальных событий, присутствующих в экземпляре процесса.
- [Слово процесса (Process word)](https://wiki.loginom.ru/articles/process-word.html.md) : Символьное обозначение процесса в Process Mining-е для анализа и автоматизированной обработки.
- [Жизненный цикл товара (Product life cycle)](https://wiki.loginom.ru/articles/product-life-cycle.html.md) : Совокупность этапов нахождения товара на рынке, каждое из которых характеризуется определенным изменением спроса на товар. Важным инструментом управления жизненным циклом товара является анализ данных.
- [Чистота множества (Purity)](https://wiki.loginom.ru/articles/purity.html.md) : В задачах классификации — показатель, характеризующий результаты разбиения множества данных на подмножества, ассоциированные с классами. Служит критерием оптимальности разбиения.
- [Квадратичная функция ошибки (Quadratic error function)](https://wiki.loginom.ru/articles/quadratic-error.html.md) : В анализе данных и машинном обучении — функция, выражающая зависимость квадрата ошибки оценивания значения выходной переменной аналитической модели (статистической или обучаемой) от входных значений.
- [Квантиль распределения (Quantile)](https://wiki.loginom.ru/articles/quantile.html.md) : Значение случайной величины, для которого вероятность попадания в заданный интервал не превышает фиксированного значения. Делит область изменения случайной величины на интервалы, попадания в которые имеют равные вероятности.
- [Теория массового обслуживания (Queuing theory)](https://wiki.loginom.ru/articles/queuing-theory.html.md) : Область прикладной математики, которая описывает закономерности функционирования систем массового обслуживания (телефонные станции, ремонтные мастерские, супермаркеты и т.д.) с целью повышения их эффективности.
- [Событие случайное (Random event)](https://wiki.loginom.ru/articles/random-event.html.md) : В теории вероятностей — событие, которое в результате эксперимента может произойти, а может и не произойти. Методы теории вероятностей позволяют определить вероятность наступления того или иного события.
- [Случайный лес (Random Forest)](https://wiki.loginom.ru/articles/random-forest.html.md) : Случайный лес — алгоритм машинного обучения заключающийся в использовании ансамбля решающих деревьев, дающий необходимый результат за счет количества деревьев
- [Случайный процесс (Random process)](https://wiki.loginom.ru/articles/random-process.html.md) : Множество случайных функций x по параметру t (обычно по времени), называемых возможными реализациями процесса. Теория случайных процессов может использоваться в аналитических технологиях для анализа временных рядов.
- [Коэффициент ранговой корреляции Кендалла (Kendall rank correlation coefficient)](https://wiki.loginom.ru/articles/rank-correlation-kendall.html.md) : Метод корреляционного анализа, описывающий зависимость между переменными, представленными в порядковой (ранговой) шкале.
- [Коэффициент ранговой корреляции Спирмена (Spearman's rank correlation coefficient)](https://wiki.loginom.ru/articles/rank-correlation-spearman.html.md) : Статистический показатель, описывающий зависимость между признаками, представленными в порядковой (ранговой) шкале. Аналогичен коэффициенту корреляции Пирсона, но использует при расчетах не значения признаков, а их ранги.
- [Ранговая корреляция (Rank correlation)](https://wiki.loginom.ru/articles/rank-correlation.html.md) : Статистическая процедура выявления и описания силы зависимости между признаками, представленными в ранговой (порядковой) шкале. Является одним из методов корреляционного анализа.
- [Принятие решения в реальном времени (Real Time Decisions)](https://wiki.loginom.ru/articles/real-time-decisions.html.md) : В управлении и маркетинге — технология поддержки принятия управленческих решений в режиме реального времени. Решения, принимаемые в реальном времени, основываются на специальных аналитических моделях Data Mining.
- [Аналитика реального времени (Real Time Analytics)](https://wiki.loginom.ru/articles/realtime-analytics.html.md) : Направление в бизнес-аналитике, в котором новые данные, поступающие из различных источников, анализируются в режиме реального времени. Это позволяет оперативно отслеживать изменения и проблемы в бизнесе и своевременно принимать соответствующие решения.
- [Реклассификация (Reclassification)](https://wiki.loginom.ru/articles/reclassification.html.md) : В анализе данных и машинном обучении задача переопределения разметки обучающего набора данных для классификатора с целью ее приближения к фактической.
- [Справочные данные (Reference data)](https://wiki.loginom.ru/articles/reference-data.html.md) : Медленно меняющиеся данные, содержащие заранее определенный набор значений или категорий, которые могут быть стандартизированы в рамках организации и обеспечивают контекст для основных данных.
- [Эталонный путь (Reference path)](https://wiki.loginom.ru/articles/reference-path.html.md) : Эталонный путь (Reference path) — спроектированный упорядоченный перечень событий процесса, приводящий к желаемому результату.
- [Регрессионный анализ (Regression analysis)](https://wiki.loginom.ru/articles/regression-analysis.html.md) : Набор статистических процедур для изучения зависимостей между случайными переменными. В аналитических технологиях Data Mining широко используется для решения задач прогнозирования, оценивания, классификации.
- [Линия регрессии (Regression line)](https://wiki.loginom.ru/articles/regression-line.html.md) : В теории вероятностей и математической статистике — график уравнения регрессии, отражающий изменение зависимой переменной при изменении независимых.
- [Регрессия (Regression)](https://wiki.loginom.ru/articles/regression.html.md) : Зависимость математического ожидания случайной величины от одной или нескольких других случайных величин. Широко используется в анализе данных при решении бизнес-задач, таких как прогнозирование или скоринг.
- [Обучение с подкреплением (Reinforcement learning)](https://wiki.loginom.ru/articles/reinforcement-learning.html.md) : Раздел машинного обучения, изучающий поведение интеллектуальных агентов, действующих в некоторой среде и принимающих решения. Обучение агента производится на основе сигналов подкрепления от среды.
- [Реляционная база данных (Relational database)](https://wiki.loginom.ru/articles/relational-database.html.md) : База данных, в основе которой лежит реляционная модель. Данные в ней организованы в виде набора таблиц, состоящих из столбцов и строк. Каждая строка — это набор связанных значений, относящихся к одному объекту.
- [Достоверность (Reliability)](https://wiki.loginom.ru/articles/reliability.html.md) : Несомненная верность чего-либо. В анализе данных говорят о достоверности информации, необходимой для принятия решений. Она должна обладать свойствами полноты, актуальности, точности, непротиворечивости и т.д.
- [Ошибка репрезентативности (Representativeness error)](https://wiki.loginom.ru/articles/representativeness-error.html.md) : В статистике, расхождение между статистическими характеристиками (например, математического ожидания или дисперсии), полученными на генеральной совокупности и выборке из нее.
- [Репрезентативность (Representativity)](https://wiki.loginom.ru/articles/representativity.html.md) : В статистике — соответствие характеристик выборки характеристикам совокупности, из которой она сформирована. Определяет, насколько возможно обобщать результаты исследования выборки на всю исходную совокупность.
- [Оптимизация запасов (Reserve optimization)](https://wiki.loginom.ru/articles/reserve-optimization.html.md) : Поддержание запасов товаров, незавершенного производства, сырья и других объектов на уровне, который минимизирует затраты на хранение, но обеспечивает необходимый уровень бесперебойной работы.
- [Скоринг отклика (Response scoring)](https://wiki.loginom.ru/articles/response-scoring.html.md) : Технология оценки вероятность отклика клиента на маркетинговые предложения. Позволяет оптимизировать бюджет маркетинговых кампаний, концентрируя усилия по продвижению продуктов на сегменте клиентов, которые в нем наиболее заинтересованы.
- [Коэффициент удержания клиентов (Customer Retention rate)](https://wiki.loginom.ru/articles/retention-rate.html.md) : Показатель, отражающий способность компании поддерживать долгосрочные отношения с клиентами, а также осуществлять мониторинг эффективности ее стратегии по удержанию клиентов.
- [Ретро прогноз (Retropolation)](https://wiki.loginom.ru/articles/retropolation.html.md) : Инструмент для проверки надежности выбранной модели прогнозирования.
- [Анализ RFM (RFM-analysis)](https://wiki.loginom.ru/articles/rfm-analysis.html.md) : Анализ клиентов компании с целью их сегментации по ценности для бизнеса. Широко используется в маркетинге, директ-маркетинге и, особенно, в розничной торговле и сфере услуг.
- [Анализ рисков (Risk Analisys)](https://wiki.loginom.ru/articles/risk-analisys.html.md) : В бизнес-аналитике — комплекс методов для выявления и оценки факторов, которые могут поставить под угрозу достижение бизнес-целей. Технологии анализа данных предоставляют мощные средства анализа рисков.
- [Управление рисками (Risk management)](https://wiki.loginom.ru/articles/risk-management.html.md) : Область управленческой деятельности, связанная с прогнозированием, анализом, идентификацией и оценкой рисков, а также разработкой и реализацией мероприятий по предотвращению рисковых событий и минимизацией потерь.
- [Риск-менеджер (Risk manager)](https://wiki.loginom.ru/articles/risk-manager.html.md) : Специалист по управлению рисками в компании. Важным инструментом риск-менеджмента является анализ данных, а наиболее известной технологией снижения банковских рисков — скоринг.
- [Риск (Risk)](https://wiki.loginom.ru/articles/risk.html.md) : Возможность потери чего-либо, имеющего ценность. Может быть измерен с помощью вероятности неблагоприятного исхода. Аналитические технологии Data Mining предоставляют комплекс методов оценки степени риска и возможных потерь.
- [Робастность (Robustness)](https://wiki.loginom.ru/articles/robustness.html.md) : В математической статистике — устойчивость вероятностной оценки к наличию в данных аномальных значений или к нарушению предположений, ограничивающих применение соответствующего статистического метода.
- [Анализ с помощью характеристической кривой (ROC-analisys)](https://wiki.loginom.ru/articles/roc-analysis.html.md) : Графический метод оценки качества работы бинарного классификатора и выбора дискриминационного порога для разделения классов. Отражает связь между вероятностью ложной тревоги и вероятностью правильного обнаружения.
- [Метод рулетки (Roulette wheel parent selection)](https://wiki.loginom.ru/articles/roulette-wheel-parent-selection.html.md) : В генетических алгоритмах используется для определения, какие решения задачи (члены популяции) выбираются для размножения. Популяция представляется колесом рулетки, где сектор каждой особи пропорционален значению ее показателя приспособленности.
- [Достоверность ассоциативного правила (Association Rule Confidence)](https://wiki.loginom.ru/articles/rule-confidence.html.md) : Показатель уверенности в том, что ассоциация A к B является ассоциативным правилом — то есть предположение, что появление события A влечет за собой появление события B, является достаточно достоверным.
- [Воронка продаж (Sales funnel)](https://wiki.loginom.ru/articles/sales-funnel.html.md) : В маркетинге — последовательность этапов, которые проходит покупатель от момента, когда товар привлек его внимание, до покупки. Их знание позволяет понять, какие маркетинговые каналы и мероприятия лучше всего подведут клиента к покупке.
- [Управление продажами (Sales management)](https://wiki.loginom.ru/articles/sales-management.html.md) : Направление в менеджменте, связанное с выполнением тактических маркетинговых задач в области продажи товаров или услуг. Одним из инструментов управления продажами является анализ данных.
- [Выборка (Sample)](https://wiki.loginom.ru/articles/sample.html.md) : В статистике и анализе данных — подмножество наблюдений генеральной совокупности, отобранных для изучения и анализа с помощью специальной процедуры, которая также называется выборкой.
- [Выборочный метод (Sampling method)](https://wiki.loginom.ru/articles/sampling-method.html.md) : Метод математической статистики, когда свойства генеральной совокупности изучаются на основе исследования свойств ее части, полученной с помощью определенного алгоритма выборки.
- [Сэмплинг (Sampling)](https://wiki.loginom.ru/articles/sampling.html.md) : Процесс отбора из исходного набора данных выборки наблюдений, представляющей интерес для анализа. При реализации сэмплинга используются специальные методы отбора, которые должны обеспечить репрезентативность выборки.
- [Масштабируемый алгоритм (Scalable Algorithm)](https://wiki.loginom.ru/articles/scalable-algorithm.html.md) : Алгоритм, вычислительные затраты которого прямо пропорциональны объему обрабатываемых данных. Особенно важно свойство масштабируемости для алгоритмов, используемых при анализе больших данных и в машинном обучении.
- [Типы шкал (Type of scale)](https://wiki.loginom.ru/articles/scale-type.html.md) : Типы шкал измерений, определяющих способы представления переменных в наборах данных, а также свойства значений, присваиваемых переменным для различных наблюдений. Тип используемой шкалы определяет какие алгоритмы и методы анализа можно применять к данным, измеряемым в данной шкале.
- [Диаграмма рассеяния (Scatter diagram)](https://wiki.loginom.ru/articles/scatter-diagram.html.md) : Метод визуализации для оценки точности работы регрессионных моделей. График, на котором по горизонтальной оси откладываются фактически наблюдаемые значения обучающих примеров, а по вертикальной — значения, оцененные моделью.
- [Сценарный анализ (Scenario analysis)](https://wiki.loginom.ru/articles/scenario-analysis.html.md) : Разновидность анализа данных, где используется набор подробных описаний последовательности действий, которые с прогнозируемой вероятностью могут привести к желаемому или планируемому конечному результату.
- [Сценарий (Scenario)](https://wiki.loginom.ru/articles/scenario.html.md) : В прогнозировании — описание возможных вариантов развития процесса. В анализе данных — специально разработанная последовательность действий над данными, которая приводит к желаемым результатам анализа.
- [Скоринговая карта (Scorecard)](https://wiki.loginom.ru/articles/scorecard.html.md) : Набор характеристик потенциального заемщика и присваиваемых им весовых коэффициентов. Использование скоринговых карт — часть методики оценки кредитоспособности заемщиков, называемой скоринговым моделированием.
- [Скоринговая модель (Scoring model)](https://wiki.loginom.ru/articles/scoring-model.html.md) : Главный инструмент кредитного скоринга. Связывает параметры клиента с суммой, которую можно выдать ему, или степенью кредитного риска в конкретных условиях через систему скоринговых баллов.
- [Оценивающее правило (Scoring rule)](https://wiki.loginom.ru/articles/scoring-rule.html.md) : В предсказательном моделировании правило, позволяющее определить, насколько точны вероятностные оценки аналитических моделей.
- [Скоринговая система (Scoring system)](https://wiki.loginom.ru/articles/scoring-system.html.md) : Разновидность систем поддержки принятия решений, в которой решения в отношении какого-либо процесса или объекта принимается в зависимости от начисленных для них балльных оценок (score), которые вычисляются скоринговой моделью на основе набора признаков в определенно шкале.
- [Скоринг (Scoring)](https://wiki.loginom.ru/articles/scoring.html.md) : Метод, использующий математические или статистические модели, которые на основе кредитной истории прошлых клиентов банка пытаются предсказать вероятность возврата кредита новым заемщиком.
- [Сезонная составляющая (Seasonal component)](https://wiki.loginom.ru/articles/seasonal-component.html.md) : Составляющая временного ряда, которая описывает регулярные изменения его значений в пределах некоторого периода и представляющая собой последовательность почти повторяющихся циклов.
- [Страховой запас (Security stock)](https://wiki.loginom.ru/articles/security-stock.html.md) : Запас сырья, материалов или топлива, предназначенный для бесперебойного снабжения производства и потребления в случае возникновения непредвиденных обстоятельств.
- [Аналитика самообслуживания (Self-service analytics)](https://wiki.loginom.ru/articles/self-analytics.html.md) : Направление в бизнес-аналитике, в рамках которого бизнес-пользователи могут получать доступ к данным и анализировать их без помощи ИТ-специалистов или профессиональных аналитиков данных.
- [Самоорганизующаяся карта (Self Organizing map)](https://wiki.loginom.ru/articles/self-organizing-map.html.md) : Разновидность сети Кохонена, которая позволяет не только производить кластеризацию объектов, но и выполнять многомерную визуализацию ее результатов. Количество выходных нейронов соответствует количеству сегментов карты.
- [Семантический слой (Semantic layer)](https://wiki.loginom.ru/articles/semantic-layer.html.md) : Механизм преобразования физического представления данных в бизнес-представление.
- [Показатель полуаддитивный (Semi-Additive measure)](https://wiki.loginom.ru/articles/semi-additive-measure.html.md) : Показатель в многомерной модели данных, для которого агрегирование имеет смысл не по всем измерениям, а только по некоторым.
- [Чувствительность (Sensitivity)](https://wiki.loginom.ru/articles/sensitivity.html.md) : Показатель, отражающий точность модели бинарной классификации. Определяется как отношение числа истинно-положительных классификаций к общему числу положительных классификаций.
- [Последовательный шаблон (Sequence pattern)](https://wiki.loginom.ru/articles/sequence-pattern.html.md) : Последовательные шаблоны — одно из направлений Data Mining, в котором решается задача обнаружения значимых связей между событиями, происходящими последовательно.
- [Алгоритм последовательного покрытия (Sequential covering algorithm)](https://wiki.loginom.ru/articles/sequential-covering-algorithm.html.md) : Алгоритм, генерирующий набор классифицирующих правил, которые последовательно разделяют обучающее множество на подмножества до тех пор, пока в каждом из них не останутся объекты только одного класса.
- [Уровень сервиса (Service level)](https://wiki.loginom.ru/articles/service-level.html.md) : В цепях поставок это мера (обычно выраженная в процентах) удовлетворения клиентского спроса за счет запасов или текущего производства в соответствии с запрошенными клиентами сроками и объемами поставок.
- [Теория множеств (Set theory)](https://wiki.loginom.ru/articles/set-theory.html.md) : Раздел математической логики, который изучает множества. В математике множество — это совокупность отдельных объектов, рассматриваемая как объект сам по себе.
- [Самосбывающийся прогноз (Self-fulfilling prophecy)](https://wiki.loginom.ru/articles/sfp.html.md) : Предсказания, которые сбываются, потому что верящие в них люди вносят подсознательные изменения в реальность и заставляют их исполняться.
- [Теневой ИТ (Shadow IT)](https://wiki.loginom.ru/articles/shadow-IT.html.md) : Несогласованное с руководством использование в корпоративной сети сторонних информационных технологий.
- [Контрольная карта Шухарта (Shewhart control chart)](https://wiki.loginom.ru/articles/shewhart-control-chart.html.md) : Метод визуального контроля за технологическим, деловым или другим процессом в ходе его выполнения, а также для обнаружения и анализа отклонений процесса.
- [Уровень значимости (Significance level)](https://wiki.loginom.ru/articles/significance-level.html.md) : В математической статистике — величина для оценки истинности некоторого результата или гипотезы. Например, при проверке статистической гипотезы — это вероятность отклонить нулевую гипотезу, если на самом деле она истинна.
- [Значимость регрессионной модели (Significance of regression model)](https://wiki.loginom.ru/articles/significance-regr.html.md) : Степень статистической связи между входной и выходной переменными модели. На практике значимость регрессионной модели определяется значимостью ее коэффициентов.
- [Метод имитации отжига (Simulated annealing)](https://wiki.loginom.ru/articles/simulated-annealing.html.md) : Вероятностный метод глобальной оптимизации функций. В анализе данных известен как популярный метод обучения нейронных сетей. Название метода происходит из металлургии, а именно технологии отжига металла.
- [Единица хранения запаса (SKU)](https://wiki.loginom.ru/articles/sku.html.md) : Под SKU подразумевается товар или сырье и материал с уникальным набором характеристик.
- [Медленно меняющиеся измерения (Slowly changing dimensions)](https://wiki.loginom.ru/articles/slowly-changing-dimensions.html.md) : В теории баз данных — измерения, значения которых со временем могут изменяться, но не часто. При этом изменяются неключевые атрибуты измерения.
- [Схема Снежинка (Snowflake scheme)](https://wiki.loginom.ru/articles/snowflake-scheme.html.md) : Вид логической структуры реляционного хранилища данных, которая использует единственную таблицу фактов и несколько таблиц измерений. Основная особенность схемы — возможность хранения иерархических измерений.
- [Мягкие вычисления (Soft computing)](https://wiki.loginom.ru/articles/soft-computing.html.md) : Методология использования неточных и математически строго не обоснованных методов и алгоритмов при решении задач, для которых не существует строгих подходов. Включает технологии машинного обучения.
- [Специфичность (Specificity)](https://wiki.loginom.ru/articles/specificity.html.md) : Показатель, отражающий точность работы модели бинарной классификации. Определяется как отношение числа истинно-отрицательных классификаций к общему числу отрицательных классификаций.
- [Спектральный анализ (Spectral analysis)](https://wiki.loginom.ru/articles/spectral-analysis.html.md) : Класс методов обработки данных, в основе которых лежит их частотное представление, или спектр. Один из наиболее эффективных и хорошо разработанных методов обработки данных.
- [Язык SQL (Structured Query Language)](https://wiki.loginom.ru/articles/sql.html.md) : Предметно-ориентированный язык программирования для управления данными в реляционных базах данных. Стандарт Американского национального института стандартов (ANSI) и Международной организации по стандартизации (ISO).
- [Стационарный процесс (Stationary process)](https://wiki.loginom.ru/articles/st-process.html.md) : Случайный процесс, вероятностные характеристики (среднее и дисперсия) которого не зависят от времени. Стационарный процесс имеет вид непрерывных случайных колебаний вокруг некоторого среднего значения.
- [Индекс стабильности популяции (Population stability Index)](https://wiki.loginom.ru/articles/stability-index.html.md) : Распространенная метрика для мониторинга актуальности текущего состояния аналитических моделей. Значение метрики показывает насколько сильно изменились свойства данных (популяции) с момента построения подели и позволяет сделать вывод о целесообразности дальнейшего использования модели или необходимости ее уточнения.
- [Область временного хранения (Staging area)](https://wiki.loginom.ru/articles/staging-area.html.md) : Промежуточный слой в процессе ETL, где сырые данные временно размещаются для предобработки перед загрузкой в хранилище или витрины данных
- [Стандартная ошибка оценивания (Standard estimation error)](https://wiki.loginom.ru/articles/standard-estimation-error.html.md) : Величина, равная квадратному корню среднеквадратической ошибки регрессии. Позволяет увидеть степень отклонения полученных значений с фактическими и таким образом оценить точность модели.
- [Схема Звезда (Star scheme)](https://wiki.loginom.ru/articles/star-scheme.html.md) : Логическая модель данных, используемая в многомерном хранилище данных. В ней используется таблица фактов, расположенная в центре, и несколько таблиц измерений, образующих лучи.
- [Зависимость статистическая (Statistical dependence)](https://wiki.loginom.ru/articles/statistical-dependence.html.md) : Связь двух случайных величин, при которой распределение вероятностей одной из них зависит от того, какие возможные значения приняла другая величина.
- [Статистическая мощность (Statistical power)](https://wiki.loginom.ru/articles/statistical-power.html.md) : В математической статистике вероятность того, что в результате статистического теста нулевая гипотеза будет правильно отклонена при условии, что альтернативная гипотеза истинна.
- [Статистическая значимость (Statistical significance)](https://wiki.loginom.ru/articles/statistical-significance.html.md) : Оцененная мера уверенности в том, что полученный результат не является случайным. Результатом могут быть различие распределения двух выборок, степень отличия  некоторого статистического распределения от нормального и т.д.
- [Стемминг (Stemming)](https://wiki.loginom.ru/articles/stemming.html.md) : Стемминг позволяет выделить основу для заданного слова. Это дает возможность проанализировать все словоформы одного слова как единый элемент, что значительно повышает качество анализа. Стемминг может осуществляться поиском по заданному словарю, удаление приставок, суффиксов и окончаний или комбинацией нескольких вариантов.
- [Оборачиваемость запасов (Stock turnover)](https://wiki.loginom.ru/articles/stock-turnover.html.md) : Показатель, указывающий сколько раз за анализируемый период компания использовала средний имеющийся остаток запасов.
- [Потоковая аналитика (Streaming analytics)](https://wiki.loginom.ru/articles/stream-analytic.html.md) : Направление в бизнес-аналитике, при котором данные собираются и обрабатываются в реальном времени по мере их создания, что позволяет принимать своевременные и упреждающие решения.
- [Стресс-тестирование (Stress-testing)](https://wiki.loginom.ru/articles/stress-testing.html.md) : Направление управления рисками, ориентированное на анализ последствий экстремальных событий с целью оценки достаточности ресурсов для обеспечения устойчивости бизнеса и покрытия возможных убытков.
- [Структурированные данные (Structured data)](https://wiki.loginom.ru/articles/structured-data.html.md) : Данные, отражающие факты предметной области и упорядоченные с целью обеспечения возможности применения к ним различных методов обработки. Большинство алгоритмов анализа данных работают со структурированными данными.
- [Распределение Стьюдента (Student's distribution)](https://wiki.loginom.ru/articles/students-distribution.html.md) : В математической статистике — семейство непрерывных одномерных распределений с одним параметром — числом степеней свободы. В анализе данных используется для проверки гипотез о значимости моделей регрессии.
- [Обучение с учителем (Supervised learning)](https://wiki.loginom.ru/articles/supervised-learning.html.md) : Направление машинного обучения, объединяющее алгоритмы и методы построения моделей на основе множества примеров, содержащих пары «известный вход — известный выход».
- [Управление цепями поставок (Supply chain management)](https://wiki.loginom.ru/articles/supply-chain-management.html.md) : Управление потоками товаров и услуг, включая перемещение и хранение сырья, незавершенного производства и готовой продукции от пункта происхождения до точки потребления.
- [Управление закупками (Supply management)](https://wiki.loginom.ru/articles/supply-management.html.md) : Организация, планирование и реализация цепочек поставок. Тесно связано с задачей оптимизации запасов. Мощным средством информационной поддержки управления закупками является анализ данных.
- [Машины опорных векторов (Support vector machines)](https://wiki.loginom.ru/articles/support-vector-machines.html.md) : В машинном обучении — семейство алгоритмов бинарной классификации, основанных на обучении с учителем, использующих линейное разделение пространства признаков с помощью гиперплоскости.
- [Суррогатная модель (Surrogate model)](https://wiki.loginom.ru/articles/surrogate-model.html.md) : Упрощенные и недорогие имитационные моделей, использующихся для замещения более дорогих и точных моделей с целью удешевления и сокращения времени процессов конструирования технических объектов и моделирования сложных бизнес-процессов.
- [Ошибка систематическая (Systematic error)](https://wiki.loginom.ru/articles/systematic-error.html.md) : Ошибка измерения или оценивания некоторого показателя. Возникает вследствие воздействия на объект и процесс измерения детерминированных факторов, систематически влияющих на эти измерения, и смещения их результатов в одном направлении.
- [Таргетинг (Targeting)](https://wiki.loginom.ru/articles/targeting.html.md) : В маркетинге — механизм, позволяющий выделить из аудитории потребителей часть, которая удовлетворяет заданным критериям (целевую аудиторию). Мощным инструментом таргетирования является анализ данных.
- [Обучаемая модель (Taught model)](https://wiki.loginom.ru/articles/taught-model.html.md) : В машинном обучении — аналитическая модель, способная самостоятельно, в процессе обучения, настраивать параметры в состояние, при котором она сможет выполнить требуемые преобразования данных.
- [Таксономия (Taxonomy)](https://wiki.loginom.ru/articles/taxonomy.html.md) : Результат классификации и группировки сложных систем, представляемый обычно в виде иерархической структуры. Иногда отождествляется с близким термином «кластеризация».
- [Телемаркетинг (Telemarketing)](https://wiki.loginom.ru/articles/telemarketng.html.md) : Направление прямого маркетинга, при котором продвижение продуктов компании осуществляется с использованием телефонной связи.
- [Множество тестовое (Test set)](https://wiki.loginom.ru/articles/test-set.html.md) : В машинном обучении — подмножество обучающего набора данных, содержащее тестовые примеры, т.е. примеры для проверки результатов обучения. Ошибка модели, полученная на тестовом множестве, называется ошибкой обобщения.
- [Векторизация текста (Text Data Vectorization)](https://wiki.loginom.ru/articles/text-data-vectorization.html.md) : Конвертация текста в числа, необходимая для работы алгоритмов машинного обучения.
- [Текст майнинг (Text Mining)](https://wiki.loginom.ru/articles/text-mining.html.md) : Технология получения информации из неструктурированных текстовых данных путем их преобразования в набор структурированных данных, пригодный для дальнейшего анализа методами интеллектуального анализа данных.
- [Метрика TF-IDF (Term frequency–inverse document frequency)](https://wiki.loginom.ru/articles/tf-idf.html.md) : TF-IDF — статистический показатель, применяемый для оценки важности слова для категории, документа или коллекции. Используется при анализе текстовых данных и рассчитывается для каждого слова.
- [Горизонт прогнозирования (Time horizon)](https://wiki.loginom.ru/articles/time-horizon.html.md) : Временной интервал, в пределах которого прогноз выполняется с заданной точностью. Для модели прогнозирования на основе метода скользящего окна — временной интервал, для которого строится прогноз.
- [Модель временного ряда многомерная (Time-series multidimensional model)](https://wiki.loginom.ru/articles/time-series-multidimensional-model.html.md) : Модель, в которой значения членов ряда зависят не только от предшествующих значений этого же ряда, но и от значений нескольких других рядов.
- [Модель временного ряда одномерная (Time-series one-dimensional model)](https://wiki.loginom.ru/articles/time-series-one-dimensional-model.html.md) : Модель, в которой значение каждого члена ряда рассматривается как взвешенная сумма некоторого числа значений предшествующих членов этого же временного ряда.
- [Случайная составляющая временного ряда (Time-series random component)](https://wiki.loginom.ru/articles/time-series-random-component.html.md) : Последовательность значений, которая является результатом воздействия на описываемый временным рядом процесс непредвиденных и не поддающихся учету факторов.
- [Временной ряд (Time series data)](https://wiki.loginom.ru/articles/time-series.html.md) : Индексированная последовательность точек данных, отражающих развитие во времени некоторого процесса, зафиксированных через равные промежутки времени. Временные ряды играют большую роль в технологиях анализа данных.
- [Окно поставки (Time Slot)](https://wiki.loginom.ru/articles/time-slot.html.md) : Период времени, в течение которого поставка должна быть отгружена от поставщика или получена на складе получателя.
- [Токенизация (Tokenization)](https://wiki.loginom.ru/articles/tokenization.html.md) : Представляет собой процесс разделения текста на составляющие (слова, предложения, группы слов). Токенизация является важным обязательным процессом при применении алгоритмов машинного обучения и нейронных сетей для анализа текста.
- [Ошибка обучения (Training Error)](https://wiki.loginom.ru/articles/training-error.html.md) : В машинном обучении — разность между желаемым (целевым) и фактическим выходом модели на примерах обучающего множества. Особенно большую роль играет при обучении нейронной сети, т.к. используется для расчета коррекции весов нейронов.
- [Обучающий пример (Training sample)](https://wiki.loginom.ru/articles/training-sample.html.md) : В машинном обучении — запись обучающего набора данных, значения которой используются для вычисления коррекции параметров модели.
- [Множество обучающее (Training set)](https://wiki.loginom.ru/articles/training-set.html.md) : В машинном обучении — набор структурированных данных, используемый для обучения аналитических моделей — нейронных сетей, деревьев решений, карт Кохонена и др.
- [Обучение (Training)](https://wiki.loginom.ru/articles/training.html.md) : В машинном обучении — процесс подстройки параметров обучаемой модели до состояния, при котором она сможет выполнять требуемое преобразование данных с достаточной точностью.
- [Транзакция (Transaction)](https://wiki.loginom.ru/articles/transaction.html.md) : Минимальная логически целостная операция, которая имеет смысл и может быть совершена только целиком. В анализе данных — последовательность действий, представляющих собой логически связанную единицу.
- [Транспонирование (Transpose)](https://wiki.loginom.ru/articles/transpose.html.md) : В анализе данных — операция с таблицами, в результате которой столбцы таблицы становятся строками, а строки — столбцами. В линейной алгебре — операция над матрицами в результате которой матрица поворачивается относительно своей главной диагонали, при этом столбцы исходной матрицы становятся строками результирующей.
- [Тренд (Trend)](https://wiki.loginom.ru/articles/trend.html.md) : Долговременное, устойчивое однонаправленное изменение некоторого процесса. Наиболее часто понятие тренда употребляется в контексте анализа временных рядов.
- [Оборачиваемость товаров (Turnover of goods)](https://wiki.loginom.ru/articles/turnover-of-goods.html.md) : Количество оборотов товаров за заданный отрезок времени.
- [Ошибки I и II рода (Type I errors, type II errors)](https://wiki.loginom.ru/articles/type-i-ii-errors.html.md) : Ключевые понятия в математической статистике. Ошибка I рода заключается в отклонении нулевой гипотезы в случае, когда она является истинной. Ошибка II рода состоит в принятии нулевой гипотезы, когда она является ложной.
- [Иерархия несбалансированная (Unbalanced hierarchy)](https://wiki.loginom.ru/articles/unbalanced-hierarchy.html.md) : Иерархические структуры, в которых «глубина» ветвей (число уровней иерархии, через которое проходит ветвь) неодинакова — на одном уровне находятся объекты, содержащие информацию различного типа и логики.
- [Недообучение (Underfitting)](https://wiki.loginom.ru/articles/underfitting.html.md) : В машинном обучении — прекращение процесса обучения аналитической обучаемой модели ранее, чем она достигнет состояния, которое обеспечит достаточно малую ошибку на обучающем множестве.
- [Андеррайтинг (Underwriting)](https://wiki.loginom.ru/articles/underwriting.html.md) : В кредитования — процесс проверки платежеспособности клиента, обратившегося за кредитом. Одной из распространенных технологий такого анализа является аппликационный скоринг.
- [Единица наблюдения (Unit of observation)](https://wiki.loginom.ru/articles/unit-observation.html.md) : Элемент статистического наблюдения, носитель признаков, подлежащих регистрации при проведении статистического исследования. Например, при прогнозировании продаж единицей наблюдения может быть товар.
- [Неструктурированные данные (Unstructured data)](https://wiki.loginom.ru/articles/unstuctured-data.html.md) : Данные, не имеющие табличного представления в виде типизированных полей и строк, такие как текст, изображения, аудио- и видео контент. К ним нельзя применять аналитические алгоритмы без предварительной процедуры структуризации.
- [Обучение без учителя (Unsupervised learning)](https://wiki.loginom.ru/articles/unsupervised-learning.html.md) : Технология машинного обучения, в которой для коррекции параметров обучаемой модели не используется целевая функция — то есть в обучающих примерах не нужно иметь заранее заданные выходы модели.
- [Окно выгрузки (Upload window)](https://wiki.loginom.ru/articles/upload-window.html.md) : В области эксплуатации корпоративных информационных систем — временной интервал, в течение которого производится выгрузка информации из различных локальных источников в централизованное хранилище данных.
- [Множество валидационное (Validation set)](https://wiki.loginom.ru/articles/validation-set.html.md) : В машинном обучении — подмножество примеров обучающего набора данных, формирующееся независимо от обучающего и тестового множеств и использующееся для проверки предсказательной способности модели.
- [Валидация (Validation)](https://wiki.loginom.ru/articles/validation.html.md) : В анализе данных — проверка достаточности уровня качества данных (валидация данных) и проверка правильности работы аналитической модели, построенной на основе машинного обучения (валидация модели).
- [Дисперсия (Variance)](https://wiki.loginom.ru/articles/variance.html.md) : В статистике — величина, которая характеризует меру разброса значений случайной величины относительно ее математического ожидания. Является одним из параметров нормального закона распределения.
- [Коэффициент вариации (Variation coefficient)](https://wiki.loginom.ru/articles/variation-coefficient.html.md) : В статистике — отношение стандартного (среднеквадратичного) отклонения случайной величины к ее математическому ожиданию. Одно из важных применений коэффициента вариации — оценка инвестиционных рисков.
- [Вариация (Variation)](https://wiki.loginom.ru/articles/variation.html.md) : В математике — малое изменение независимой переменной или функционала. В статистике — изменчивость, многообразие значений признака у единиц совокупности.
- [Винтажный анализ (Vintage analysis)](https://wiki.loginom.ru/articles/vintage-analysis.html.md) : Разновидность когортного анализа, когда исследование поведенческих особенностей клиентов (абонентов, заемщиков) на протяжении их жизненно цикла подразумевает формирование групп (когорт) на основе времени начала получения услуги (период выдачи кредита, регистрации абонента и т.д.). Основное применение винтажного анализа — управление кредитными рисками.
- [Визуализация (Visualization)](https://wiki.loginom.ru/articles/visualization.html.md) : В аналитических технологиях — комплекс методов представления исходной информации и результатов анализа данных в наиболее удобной для восприятия и интерпретации форме.
- [Волатильность (Volatility)](https://wiki.loginom.ru/articles/volatility.html.md) : Статистический показатель, характеризующий изменчивость различных величин во времени. Наиболее часто используется в экономике и финансах для описания колебания стоимости финансовых активов.
- [Тест Вальда (Wald test)](https://wiki.loginom.ru/articles/wald-test.html.md) : Статистический тест с широким диапазоном применения. Наиболее часто используется для проверки гипотез, связанных с оценками параметров вероятностных моделей, получаемых на основе выборочных данных.
- [Вейвлет-преобразование (Wavelet Transform)](https://wiki.loginom.ru/articles/wavelet-transform.html.md) : Метод преобразования данных к представлению, в котором они могут быть локализованы как по времени, так и по частоте. Основное использование вейвлет-преобразования — сжатие данных, их сглаживание, очистка от шума.
- [Вейвлет (Wavelet)](https://wiki.loginom.ru/articles/wavelet.html.md) : От англ. wavelet (всплеск, маленькая волна) — класс математических функций, которые на графике выглядят как кратковременное волнообразное колебание. Используются как базисные функций в вейвлет-преобразовании.
- [Веб-майнинг (Web Mining)](https://wiki.loginom.ru/articles/web-mining.html.md) : Направление интеллектуального анализа данных, решающее задачи автоматического обнаружения веб-документов, извлечения информации из веб-ресурсов и выявления закономерностей в массивах данных из Интернета.
- [Веб-сервис (Web-service)](https://wiki.loginom.ru/articles/web-service.html.md) : Обладающая уникальным веб-адресом (URL) программная система, построенная на базе открытых протоколов/стандартов и использующаяся для обмена данными между приложениями или системами.
- [Вес доказательства (Weight of evidence)](https://wiki.loginom.ru/articles/weight-of-evidence.html.md) : В задачах бинарной классификации используется для формирования конечных классов. Коэффициенты WoE и вычисленные на их основе значения IV являются критерием для формирования конечных классов оптимальным образом.
- [Метод скользящего окна (Windowing method)](https://wiki.loginom.ru/articles/windowing-method.html.md) : В анализе данных — алгоритм трансформации, позволяющий сформировать из членов временного ряда набор данных, который может служить обучающим множеством для построения модели прогнозирования.
- [Анализ XYZ (XYZ analysis)](https://wiki.loginom.ru/articles/xyz-analysis.html.md) : Метод классификации ресурсов компании в зависимости от стабильности потребления и точности его прогнозирования, устойчивости спроса, подверженности спроса сезонным колебаниям или случайного характера спроса.
- [Бизнес-задачи](https://wiki.loginom.ru/business-tasks.html.md) : Список терминов по аналитике в категории «Бизнес-задачи»
- [Источники данных](https://wiki.loginom.ru/data-sources.html.md) : Список терминов по аналитике в категории «Источники данных»
- [Главная](https://wiki.loginom.ru/index.html.md) : Loginom вики – энциклопедия бизнес-анализа, в которой доступны описания сотен терминов, охватывающих вопросы сбора, интеграции и очистки данных, построения моделей и визуализации.
- [3](https://wiki.loginom.ru/letter-en-3.html.md) : Список терминов по аналитике на цифру «3»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [A](https://wiki.loginom.ru/letter-en-a.html.md) : Список терминов по аналитике на букву «A»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [B](https://wiki.loginom.ru/letter-en-b.html.md) : Список терминов по аналитике на букву «B»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [C](https://wiki.loginom.ru/letter-en-c.html.md) : Список терминов по аналитике на букву «C»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [D](https://wiki.loginom.ru/letter-en-d.html.md) : Список терминов по аналитике на букву «D»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [E](https://wiki.loginom.ru/letter-en-e.html.md) : Список терминов по аналитике на букву «E»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [F](https://wiki.loginom.ru/letter-en-f.html.md) : Список терминов по аналитике на букву «F»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [G](https://wiki.loginom.ru/letter-en-g.html.md) : Список терминов по аналитике на букву «G»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [H](https://wiki.loginom.ru/letter-en-h.html.md) : Список терминов по аналитике на букву «H»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [I](https://wiki.loginom.ru/letter-en-i.html.md) : Список терминов по аналитике на букву «I»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [K](https://wiki.loginom.ru/letter-en-k.html.md) : Список терминов по аналитике на букву «K»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [L](https://wiki.loginom.ru/letter-en-l.html.md) : Список терминов по аналитике на букву «L»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [M](https://wiki.loginom.ru/letter-en-m.html.md) : Список терминов по аналитике на букву «M»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [N](https://wiki.loginom.ru/letter-en-n.html.md) : Список терминов по аналитике на букву «N»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [O](https://wiki.loginom.ru/letter-en-o.html.md) : Список терминов по аналитике на букву «O»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [P](https://wiki.loginom.ru/letter-en-p.html.md) : Список терминов по аналитике на букву «P»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Q](https://wiki.loginom.ru/letter-en-q.html.md) : Список терминов по аналитике на букву «Q»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [R](https://wiki.loginom.ru/letter-en-r.html.md) : Список терминов по аналитике на букву «R»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [S](https://wiki.loginom.ru/letter-en-s.html.md) : Список терминов по аналитике на букву «S»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [T](https://wiki.loginom.ru/letter-en-t.html.md) : Список терминов по аналитике на букву «T»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [U](https://wiki.loginom.ru/letter-en-u.html.md) : Список терминов по аналитике на букву «U»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [V](https://wiki.loginom.ru/letter-en-v.html.md) : Список терминов по аналитике на букву «V»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [W](https://wiki.loginom.ru/letter-en-w.html.md) : Список терминов по аналитике на букву «W»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [X](https://wiki.loginom.ru/letter-en-x.html.md) : Список терминов по аналитике на букву «X»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [А](https://wiki.loginom.ru/letter-ru-a.html.md) : Список терминов по аналитике на букву «А»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Б](https://wiki.loginom.ru/letter-ru-b.html.md) : Список терминов по аналитике на букву «Б»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Ц](https://wiki.loginom.ru/letter-ru-c.html.md) : Список терминов по аналитике на букву «Ц»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Ч](https://wiki.loginom.ru/letter-ru-ch.html.md) : Список терминов по аналитике на букву «Ч»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Д](https://wiki.loginom.ru/letter-ru-d.html.md) : Список терминов по аналитике на букву «Д»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Э](https://wiki.loginom.ru/letter-ru-e.html.md) : Список терминов по аналитике на букву «Э»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Ф](https://wiki.loginom.ru/letter-ru-f.html.md) : Список терминов по аналитике на букву «Ф»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Г](https://wiki.loginom.ru/letter-ru-g.html.md) : Список терминов по аналитике на букву «Г»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Х](https://wiki.loginom.ru/letter-ru-h.html.md) : Список терминов по аналитике на букву «Х»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [И](https://wiki.loginom.ru/letter-ru-i.html.md) : Список терминов по аналитике на букву «И»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [К](https://wiki.loginom.ru/letter-ru-k.html.md) : Список терминов по аналитике на букву «К»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Л](https://wiki.loginom.ru/letter-ru-l.html.md) : Список терминов по аналитике на букву «Л»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [М](https://wiki.loginom.ru/letter-ru-m.html.md) : Список терминов по аналитике на букву «М»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Н](https://wiki.loginom.ru/letter-ru-n.html.md) : Список терминов по аналитике на букву «Н»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [О](https://wiki.loginom.ru/letter-ru-o.html.md) : Список терминов по аналитике на букву «О»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [П](https://wiki.loginom.ru/letter-ru-p.html.md) : Список терминов по аналитике на букву «П»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Р](https://wiki.loginom.ru/letter-ru-r.html.md) : Список терминов по аналитике на букву «Р»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [С](https://wiki.loginom.ru/letter-ru-s.html.md) : Список терминов по аналитике на букву «С»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Ш](https://wiki.loginom.ru/letter-ru-sh.html.md) : Список терминов по аналитике на букву «Ш»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Т](https://wiki.loginom.ru/letter-ru-t.html.md) : Список терминов по аналитике на букву «Т»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [У](https://wiki.loginom.ru/letter-ru-u.html.md) : Список терминов по аналитике на букву «У»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [В](https://wiki.loginom.ru/letter-ru-v.html.md) : Список терминов по аналитике на букву «В»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Я](https://wiki.loginom.ru/letter-ru-ya.html.md) : Список терминов по аналитике на букву «Я»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Е](https://wiki.loginom.ru/letter-ru-ye.html.md) : Список терминов по аналитике на букву «Е»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [З](https://wiki.loginom.ru/letter-ru-z.html.md) : Список терминов по аналитике на букву «З»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Ж](https://wiki.loginom.ru/letter-ru-zh.html.md) : Список терминов по аналитике на букву «Ж»: бизнес-задачи, алгоритмы, визуализация, источники данных, метрики
- [Метрики](https://wiki.loginom.ru/metrics.html.md) : Список терминов по аналитике в категории «Метрики»
- [Визуализация](https://wiki.loginom.ru/visualization.html.md) : Список терминов по аналитике в категории «Визуализация»