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
<a name="concept-of-ml-algorithms"></a>


|  | 
| --- |
| 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.

**Topics**
+ [Qual é a diferença entre detecção e previsão de anomalias?](difference-between-anomaly-detection-and-forecasting.md)
+ [O que é RCF?](what-is-random-cut-forest.md)
+ [Como o RCF é aplicado à detecção de anomalias](how-does-rcf-detect-anomalies.md)
+ [Como o RCF é aplicado para gerar previsões](how-does-rcf-generate-forecasts.md)
+ [Referências para machine learning e RCF](learn-more-about-machine-learning-and-rcf.md)