Karakterisering

Forfatter: Eugene Taylor
Oprettelsesdato: 10 August 2021
Opdateringsdato: 20 Juni 2024
Anonim
PE karakterisering Webinar
Video.: PE karakterisering Webinar

Indhold

Definition - Hvad betyder karakterisering?

Karakterisering er en big data-metodik, der bruges til at generere beskrivende parametre, der effektivt beskriver egenskaber og opførsel af en bestemt datapost. Dette bruges derefter i uovervåget indlæringsalgoritmer for at finde mønstre, klynger og tendenser uden at inkorporere klassetiketter, der kan have partier. Det har sine anvendelser i klynge-analyse og endda dyb læring.


En introduktion til Microsoft Azure og Microsoft Cloud | Gennem denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.

Techopedia forklarer karakterisering

Big data karakterisering er en teknik til at omdanne rådata til nyttig information, der bruges i maskinlæringsalgoritmer og data mining. Karakterisering genererer i det væsentlige kondenserede repræsentationer af uanset informationsindhold, der er skjult i data. Derfor kan det bruges som et middel til at måle og spore begivenheder, ændringer og nye fremtrædende adfærd i store dynamiske datastrømme.

Nogle fordele ved karakterisering:

  • Kan generere nyttige metrics til sporing og måling af begivenheder og afvigelser i datasæt
  • Opretter små fodrepræsentationer af væsentlig information
  • Gør hurtigt data-til-information-konvertering, hvilket bringer branchen tættere på den fulde data-til-information-til-viden-transformation
  • Er nyttig til indeksering og tagging af specifikke objekter, begivenheder og andre funktioner i en dataindsamling
Denne definition blev skrevet i koden til dataanalyse