Systemy uczące się
+ Odkrywanie wiedzy
+ Uczenie się
+ Indukcja
Odkrywanie wiedzy
Odkrywanie prawidłowości w zbiorach danych możemy śmiało nazwać uczeniem się na podstawie tych danych. Wiedza zdobyta podczas analizy danych jest w pewnym sensie ich uogólnieniem. Taki sposób uczenia się nazywa się uczeniem indukcyjnym.
Do odkrywania wiedzy wykorzystuje się obecnie nieco “podrasowane” algorytmy uczenia sie, opracowane wcześniej bez uwzględnienia praktycznego ich zastosowania w analizie rzeczywistych danych, które bardzo często posiadają bardzo duże rozmiary, są zaszumione i niekompletne oraz posiadają wiele atrybutów różnych typów.
Szybki rozwój dziedziny odkrywania wiedzy doprowadził również do powstania nowych algorytmów, które bez problemu radzą sobie z rzeczywistymi danymi, oraz znajdują zastosowanie w odnajdywaniu nowych rodzajów zależności, którymi nie zajmowano się w ramach badań nad uczeniem maszynowym.[1]
Zobacz też inne materiały
» Eksploracja danych - data mining
» Reprezentowanie wiedzy
» Problemy związane z analizą rzeczywistych danych - duże zbiory danych
» Problemy związane z analizą rzeczywistych danych - liczne atrybuty
» Problemy związane z analizą rzeczywistych danych - niekompletne dane
» Problemy związane z analizą rzeczywistych danych - niepoprawne dane
» Reguły asocjacyjne - istota asocjacji
» Reguły asocjacyjne - reprezentowanie danych i hipotez
» Generowanie reguł asocjacyjnych
Powiązane kategorie
Komentarze
-
Jeszcze nie ma komentarzy.
Aby dodać komentarz, zaloguj się.
Jeżeli nie masz jeszcze swojego konta, utwórz je w kilka sekund.
Eksploracja danych - data mining
Już od zarania dziejów informacja miała dla człowieka kluczowe znaczenie w walce o przetrwanie. To informacja o zbliżających się stadach dzikich zwierząt pozwalała na przygotowanie pułapek i upolowanie pożywienia. To informacja jest podstawowym czynnikiem potrzebnym do kształtowania czegoś o bardziej wysublimowanym charakterze – wiedzy.
W dzisiejszym świecie znaczenie informacji nie tylko się nie zatarło, ale się jeszcze bardziej pogłębiło. Błyskawicznie rozwijające się gałęzie nauki, jak telekomunikacja czy informatyka nie tylko ułatwiają szybki dostęp do poszukiwanej informacji, ale również pomagają na szybsze i trafniejsze podejmowanie strategicznych decyzji decyzji. Ogromne ilości informacji wcale jednak bezpośrednio nie ułatwiają podjęcia trafnej decyzji, ponieważ człowiek nie jest w stanie ich wszystkich ogarnąć i wyciągnąć sensownych konkluzji. Z pomocą przychodzi nowa dziedzina nauki: eksploracja danych.
Systemy odkrywające wiedzę w danych powstawały i wciąż powstają na całym świecie. Jako, że problem jest palący, potrzebne są wciąż szybsze i dokładniejsze algorytmy, które poradzą sobie z odnalezieniem nowego rodzaju wiedzy w coraz większych zbiorach danych. Rozwiązania, które opisałem w niniejszej pracy pojawiały się i będą pojawiały się w wielu systemach, zarówno komercyjnych, jak i amatorskich.
Łukasz Gołaszewski, ADAPTACYJNY SKLEP INTERNETOWY
» strona główna
Szukaj
Eksploracja danych - data mining - artykuły:
- Eksploracja danych - data mining
- Systemy uczące się
- Reprezentowanie wiedzy
- Problemy związane z analizą rzeczywistych danych - duże zbiory danych
- Problemy związane z analizą rzeczywistych danych - liczne atrybuty
- Problemy związane z analizą rzeczywistych danych - niekompletne dane
- Problemy związane z analizą rzeczywistych danych - niepoprawne dane
- Reguły asocjacyjne - istota asocjacji
- Reguły asocjacyjne - reprezentowanie danych i hipotez
- Generowanie reguł asocjacyjnych
Pokrewne serwisy
Informatyka
Subskrypcja
Chcesz być na bieżąco? Dodaj swój adres e-mail do newslettera!
