Is e modh measaidh dàta a th 'ann an seòrsachadh a tha a' sònrachadh roinnean gu cruinneachadh de dhàta gus cuideachadh le ro-aithris agus anailis nas mionaidiche. Cuideachd ris an canar uaireannan Coille Co - dhùnaidh , is e seòrsachadh aon de ghrunn dhòighean air am bithear an dùil a bhith a 'dèanamh anailis air siostaman dàta fìor mhòr.
Carson a tha Clasadh?
Tha stòran-dàta fìor mhòr a 'fàs mar an àbhaist ann an saoghal an latha an-diugh de "dàta mòr." Smaoinich air stòr-dàta le iomadh terabytes de dhàta -a terabyte aon trillill bytes de dhàta.
Bidh Facebook a-mhàin a 'crunadh 600 terabytes de dhàta ùr a h-uile latha (mar de 2014, an turas mu dheireadh a thug e iomradh air na specs). Is e prìomh dhùbhlan dàta mòra ciamar a nì e ciall dheth.
Agus chan e tomhas mòr an aon dhuilgheadas: tha dàta mòr cuideachd buailteach a bhith eadar-mheasgte, neo-structaraichte agus ag atharrachadh gu luath. Beachdaich air dàta fuaim is bhideo, dreuchdan meadhanan sòisealta, dàta 3D no dàta geospatial. Chan eil an seòrsa dàta seo furasta a roinn no air eagrachadh.
Gus coinneachadh ris an dùbhlan seo, chaidh raon de dhòighean fèin-obrachail airson fiosrachadh feumail a tharraing a-mach, a 'measgachadh seòrsachadh .
Mar a tha Clasachadh ag obair
Leis a 'chunnart a bhith a' gluasad cus a-steach do theicneòlas, leigidh sinn deasbad mar a tha an seòrsachadh ag obair. Is e an t-amas seata de riaghailtean seòrsachaidh a chruthachadh a fhreagras ceist, co-dhùnadh a dhèanamh, no ro-innsear giùlan. Gus tòiseachadh, thèid seata de dh'fhiosrachadh trèanaidh a leasachadh a tha a 'toirt a-steach seata de bhuadhan sònraichte a bharrachd air an toradh a tha coltach.
Is e obair an algairim seòrsachaidh faighinn a-mach mar a ruigeas an suidheachadh sin na co-dhùnaidhean aice.
Àm-suidhe : Is dòcha gu bheil companaidh cairt creideas a 'feuchainn ri faighinn a-mach dè na h-dùil a bu chòir tairgse cairt chreideas fhaighinn.
Dh'fhaodadh gur e seo an t-sreath de dhàta trèanaidh:
| Ainm | Aois | Gnè | Ionmhas Bliadhnail | Tairg air cairt chreideis |
|---|---|---|---|---|
| Iain Doe | 25 | M | $ 39,500 | Chan eil |
| Sìne Doe | 56 | F | $ 125,000 | Tha |
Bidh na colbhan "predictor" Aois , Gnè , agus Teachd-a-steach Bliadhnail a ' co-dhùnadh luach na thairgsinn airson cairt-creideis "roghainn ro-innse". Ann an seata trèanaidh, tha fios air a 'chuspair ro-innse. An uairsin bidh an algorithm seòrsachaidh a 'feuchainn ri faighinn a-mach ciamar a ràinig luach an ro-innse: dè na dàimhean a tha eadar na ro-innsearan agus an co-dhùnadh? Leasaichidh e seata de riaghailtean ro-innse, mar as trice aithris IF / THEN, mar eisimpleir:
IF (Aois> 18 no Aois <75) AGUS Teachd-a-steach Bliadhnail> 40,000 THEN Cairt Creideis a thairgse = tha
Gu dearbh, tha seo na eisimpleir sìmplidh, agus dh'fheumadh an algairim barrachd samplachadh dàta na an dà chlàr a tha air a shealltainn an seo. A bharrachd, tha na riaghailtean ro-innse nas coltaiche, a 'gabhail a-steach fo-riaghailtean airson mion-fhiosrachadh mu rudan a ghlacadh.
An ath rud, gheibh an t-algairim "suidheachadh ro-innse" de dh 'fhiosrachadh gus anailis a dhèanamh, ach cha robh an suidheachadh ro-innse (no co-dhùnadh) aig seo:
| Ainm | Aois | Gnè | Ionmhas Bliadhnail | Tairg air cairt chreideis |
|---|---|---|---|---|
| Jack Frost | 42 | M | $ 88,000 | |
| Màiri Mhoireach | 16 | F | $ 0 |
Tha an dàta tuairisgeul seo a 'cuideachadh a bhith a' tomhas dè cho ceart 'sa tha na riaghailtean ro-innse, agus thèid na riaghailtean an uairsin a chleachdadh gus am bi an leasaiche den bheachd gu bheil na ro-innleachdan èifeachdach agus feumail.
Latha gu Latha Eisimpleirean de Sheòrsachadh
Tha seòrsachadh, agus dòighean measaidh dàta eile, air cùl mòran den eòlas làitheil againn mar luchd-cleachdaidh.
Dh'fhaodadh dùil a bhith aig an t-sìde air seòrsachadh gus innse a bheil an latha bàn, grianach no sgamhar. Dh'fhaodadh an dreuchd slàinte leigheas a dhèanamh air tinneasan slàinte gus ro-ràdh toraidhean meidigeach. Tha seòrsa de dhòigh seòrsachaidh, Naive Bayesian, a 'cleachdadh coltas cunbhalach gus puist-d spam a riarachadh. Bho lorg foill gu tairgsean toraidh, tha seòrsachadh air cùl na seallaidhean a h-uile latha a 'dèanamh anailis air dàta agus a' dèanamh ro-innleachdan.