Compreender o algoritmo de ML usado pelo Amazon QuickSight
|
Você não precisa ter experiência técnica em machine learning para usar os recursos baseados em ML no Amazon QuickSight. 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 QuickSight usa uma versão integrada do algoritmo Random Cut Forest (RCF). As seções a seguir explicam o que significa e como é usado no Amazon QuickSight.
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
