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 ML-powered funzionalità 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
