Обработка и анализ данных включают:
1. Выявление закономерностей, знаний в данных посредством описательных статистик, параметрических и непараметрических методов сравнения групп объектов, корреляционного анализа, множественного регрессионного анализа, широкого спектра традиционных методов многомерного и углубленного анализа данных:
– кластерный анализ;
– факторный анализ;
– дискриминантный анализ;
– анализ главных компонент и классификация;
– канонический анализ;
– надежность и позиционный анализ;
– деревья классификации;
– анализ соответствий;
– многомерное шкалирование;
– общие модели линейного и дискриминантного анализа;
– ковариационный анализ;
– анализ временных рядов;
– анализ выживаемости и др.

2. Формализация выявленных закономерностей и знаний в данных в виде вероятностно-статистических моделей.

3. Разработка прогностических моделей классификации и регрессии методами машинного обучения Data Mining:
– общие деревья классификации и регрессии;
– общие CHAD модели;
– интерактивные деревья;
– бустинг деревьев классификации и регрессии;
– случайный лес регрессии и классификации;
– опорные вектора;
– k-ближайших соседей;
– байесовский классификатор;
– автоматизированные нейронные сети;
– кластерный анализ;
– мастер проектов Data Miner.

4. Написание программных приложений по разработанным прогностическим моделям для автоматизации вычислений.

Методы машинного обучения DATA MINING

• Общие деревья классификации и регрессии
• CHAID – Автоматическое обнаружение взаимодействия Хи-квадрат
• Интерактивные деревья
• Растущие деревья классификации и регрессии
• Случайные леса
• Опорные вектора
• Байесовский классификатор
• k-ближайших соседей
• Нейронные сети
• Обучение нейронных сетей

Khalafyan A.A., Temerdashev Z.A., Abakumov A.G., Yakuba Y.F., Sheludko O.N., Kaunova A.A. Multidimensional analysis of the interaction of volatile compounds and amino acids in the formation of sensory properties of natural wine // Heliyon. 2023. V. 9(1), e12814. DOI: 10.1016/j.heliyon.2023.e12814. Q1. IF 3.645. Ссылка

Temerdashev, Z.; Bolshov, M.; Abakumov, A.; Khalafyan, A.; Kaunova, A.; Vasilyev, A.; Sheludko, O.; Ramazanov, A. Can Rare Earth Elements Be Considered as Markers of the Varietal and Geographical Origin of Wines? Molecules. 2023, 28, 4319. DOI: 10.3390/molecules28114319. Q1. IF 4.927. Ссылка

Temerdashev Z., Abakumov A., Bolshov M., Khalafyan A., Ageeva N., Vasilyev A., Ramazanov A. Instrumental assessment of the formation of the elemental composition of wines with various bentonite clays // Microchemical Journal. 175. Article 107145. DOI: 10.1016/j.microc.2021.107145. Q2. IF 5.1. Ссылка

Polovinkin V.V., Igolkin A.N., Pryn P.S., Khalafyan A.A. Results of reconstructive surgery with formation of low colorectal anastomoses after previous Hartmann’s procedure // Pirogov Russian Journal of Surgery. 2022. 1. рр. 39–49. DOI: 10.17116/hirurgia202201139. Q4. IF 0.3. Ссылка

Karakhalis L.Yu., Zakharova E.S., Khalafyan A.A., Kozyr L.N., Penzhoyan G.A. Hyperandrogenic dermopathy in the practice of obstetrician-gynecologists // Voprosy Ginekologii, Akusherstva i Perinatologii. 2022. 21(6). pp. 131–138. DOI: 10.20953/1726-1678-2022-6-131-138. Ссылка

Krutova V.A., Baklakova A.A., Khalafyan A.A. Luteal phase support with daily administration of GnRH agonist compared to progesterone/estradiol in IVF cycles with ovulation trigger substitution. A randomized controlled trial // Voprosy Ginekologii, Akusherstva i Perinatologii. 2022. 21(5). pp. 14–20. DOI: 10.20953/1726-1678-2022-5-14-20. Ссылка