Интеллектуальный анализ данных в области финансов представляет собой всеобъемлющий обзор основных алгоритмических подходов для интеллектуального анализа данных, включая статистические, нейросетевые, правил на основе дерева решений и нечеткой логики методы, а затем анализирует пригодность эти подходы к финансовым интеллектуального анализа данных. В книге особое внимание уделяется реляционной интеллектуального анализа данных (rdm), которое является методом обучения способны усвоить более выразительными правилами, чем другие символические подходы. Таким образом, РДМ лучше подходит для финансовой добычи, ведь она способна обеспечить более широкое использование базовых знаний в предметной области. Реляционная интеллектуального анализа данных также имеет лучшую способность объяснять обнаружен правил - способность решающее значение для предотвращения паразитных узоров, которые неизбежно возникают, когда число исследуемых переменных очень велико. Ранее алгоритмы реляционных интеллектуального анализа данных, также известный как индуктивного логического программирования (МЛП), страдают от родственника вычислительная неэффективность и имеют весьма ограниченный набор средств для обработки числовых данных. Интеллектуальный анализ данных в финансах, вводит новый подход, сочетающий реляционные интеллектуального анализа данных с анализом статистической значимости обнаруженных правил. Это сокращает пространство поиска и ускоряет алгоритмы. В книге также представлена интерактивная и нечетко-логические инструменты для "горного" знания от экспертов, дальнейшее сокращение пространства поиска. Интеллектуальный анализ данных в области финансов, содержит большое количество практических примеров прогнозирования s&Р 500, курсы валют, биржевые направления, и оценка акций для портфеля, что позволяет заинтересованным читателям, чтобы начать строить свои собственные модели. Эта книга является отличным справочником для исследователей и специалистов в области искусственного интеллекта, машинного обучения, интеллектуального анализа данных, обнаружение знаний и прикладной математики.