Descripción del algoritmo de ML usado por Amazon QuickSight
|
No se necesita experiencia técnica en machine learning para utilizar las características basadas en ML en Amazon QuickSight. En esta sección, se analizan los aspectos técnicos del algoritmo, para quienes deseen conocer los detalles sobre cómo funciona. No es obligatorio leer esta información para utilizar las características. |
Amazon QuickSight utiliza una versión integrada del algoritmo de bosque de corte aleatorio (RCF, por sus siglas en inglés). En las siguientes secciones, se explica qué significa y cómo se utiliza en Amazon QuickSight.
En primer lugar, veamos algunos de los términos implicados:
-
Anomalía: algo que se caracteriza por su diferencia con respecto a la mayoría del resto de cosas de la misma muestra. También se denomina valor atípico, excepción, desviación, etc.
-
Punto de datos: una unidad independiente o, dicho de manera sencilla, una fila de un conjunto de datos. Sin embargo, una fila puede contar con varios puntos de datos si utiliza una medida en diferentes dimensiones.
-
Árbol de toma de decisiones: una forma de visualizar el proceso de decisión del algoritmo que evalúa patrones en los datos.
-
Previsión: una predicción de un comportamiento futuro basada en el comportamiento actual y del pasado.
-
Modelo: una representación matemática del algoritmo o de lo que aprende el algoritmo.
-
Estacionalidad: la repetición de patrones de comportamiento que se dan cíclicamente en datos de serie temporal.
-
Series temporales: un conjunto ordenado de datos de fechas u horas en un campo o una columna.
Temas
