Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Comprensione dell'algoritmo ML utilizzato da Amazon Quick Sight
|
Non è necessaria alcuna esperienza tecnica nell'apprendimento automatico per utilizzare le funzionalità basate su ML di Amazon Quick Sight. Questa sezione si occupa degli aspetti tecnici dell'algoritmo, per coloro che desiderano dettagli su come funziona. Non è necessario leggere queste informazioni per utilizzare le funzionalità. |
Amazon Quick Sight utilizza una versione integrata dell'algoritmo Random Cut Forest (RCF). Le sezioni seguenti spiegano cosa significa e come viene utilizzato in Amazon Quick Sight.
Innanzitutto analizziamo la terminologia utilizzata:
-
Anomalia: qualcosa che è caratterizzato dalla differenza rispetto alla maggior parte delle altre cose nello stesso campione. Conosciuta anche come un outlier, un'eccezione, una deviazione e così via.
-
Punto dati: un'unità discreta, o semplicemente una riga, in un set di dati. Tuttavia, una riga può avere più punti dati se si utilizza una misura su dimensioni diverse.
-
Albero delle decisioni: un modo di visualizzare il processo decisionale dell'algoritmo che valuta modelli nei dati.
-
Previsione: una previsione del comportamento futuro in base al comportamento passato e presente.
-
Modello: una rappresentazione matematica dell'algoritmo o ciò che l'algoritmo apprende.
-
Stagionalità: i comportamenti ripetitivi che si verificano ciclicamente nei dati delle serie temporali.
-
Serie temporali: un set ordinato di dati relativi a orario o data in un campo o in una colonna.
Argomenti
