As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Entendendo o algoritmo de ML usado pelo Amazon Quick Sight
|
Você não precisa de nenhuma experiência técnica em aprendizado de máquina para usar os ML-powered recursos do Amazon Quick Sight. Esta seção mostra em detalhes os aspectos técnicos do algoritmo, para aqueles que querem ver os detalhes de funcionamento dele. Não é necessário ler essas informações para usar os recursos. |
O Amazon Quick Sight usa uma versão integrada do algoritmo Random Cut Forest (RCF). As seções a seguir explicam o que isso significa e como é usado no Amazon Quick Sight.
Primeiro, vamos ver a terminologia envolvida:
-
Anomalia: algo caracterizado por diferir da maioria das outras coisas no mesmo exemplo. Também conhecida como uma discrepância, uma exceção, um desvio e assim por diante.
-
Ponto de dados: uma unidade discreta ou, simplesmente, uma linha em um conjunto de dados. No entanto, uma linha pode ter vários pontos de dados quando se usa uma medida em diferentes dimensões.
-
Árvore de decisão: uma maneira de visualizar o processo de decisão do algoritmo que avalia padrões nos dados.
-
Previsão: uma estimativa do comportamento futuro com base nos comportamentos atuais e passados.
-
Modelo: uma representação matemática do algoritmo ou do que ele aprende.
-
Sazonalidade: os padrões repetidos de comportamento que ocorrem ciclicamente em dados de séries temporais.
-
Séries temporais: um conjunto ordenado de dados ou dados temporais em um campo ou uma coluna.
Tópicos
