Rekenaars het mense se hulp nodig om te leer. Dit is "Masjineleer". Masjienleer is 'n term wat beteken om rekenaars te leer om uit data te leer, 'n oefening in redenering deur modelle sonder eksplisiete programmering. Dit is deels hoe 'n kind leer - deur waarneming en oefening, nie net om gedoseer te word nie. Akkuraatheid is een ding waaroor masjienleer handel. Dit antwoord vir hoe akkuraat die rekenaar is wanneer dit kom om iets te voorspel. Hoe hoër die akkuraatheid, hoe meer robuust sal hierdie voorspellings wees
Dinamiese tydverdraaiing, 'n manier om tydreeksdata in lyn te bring. Neem in ag dat jy twee kronkelende lyne het en jy wil 'n vergelyking tussen hulle tref. Dinamiese tydskepping is soos om die vorm van 'n golwende lyn te verander om dit makliker te maak om met 'n ander golwende lyn te vergelyk. Om hierdie lyne in lyn te bring, beteken dat dit makliker is vir die rekenaar om uit ons data te leer wanneer ons hierdie lyn probeer voorspel.
'N Analogie om te verstaan hoe die dinamiese tydskepping werk Dit is soos jy probeer om elke dag die verkeer in jou winkel te voorspel. Vorige jaar winkelbesoek gehoor. Maar nie elke dag is so nie. Verskillende dae het 'n ander skare, sommige is redelik blink en al die metro is daar buite, terwyl ander gebeur met 'n reënerige dag wanneer net min slenterende siele inloer. Wanneer die data verander, word dit moeilik om toekomstige besoeke te voorspel.
Nie eksklusief vir tydreeksdata nie, maar in elk geval. Dit is in staat om met verskillende tipes data te werk wat dit 'n baie veelsydige hulpmiddel maak. Oorweeg dit om twee DNS-reekse te vergelyk, wat die bloudruk van die lewe self is. Dinamiese tydverdraaiing bring dele van die reekse in lyn of effens verskuif sodat vergelykings gemaak kan word. Sodoende kan wetenskaplikes die mate van verwantskap of onderskeid tussen reekse vasstel en moontlik beduidende aspekte wat met biologie en medisyne verband hou, ontbloot.
Spraakherkenning is 'n ander een. Wanneer 'n rekenaar iemand hoor praat, moet dit identifiseer wat gepraat word as een van die woorde of frases wat in sy databasis is. Alle mense spreek egter nie dieselfde woorde op presies dieselfde manier uit nie of daar is agtergrondgeraas wat dit moeilik kan maak om te hoor. In hierdie benadering laat dinamiese tydverdraaiing toe dat die spraakdata in lyn gebring word sodat 'n rekenaar maklik lae foutkoers kan vind tussen sy transkripsie en wat gesê is. Dit kan die werkverrigting van stemassistente en ander spraakherkenningstegnologie verbeter.
Die gebruik van dinamiese tydskepping verander hoe ons voorspellings sien. Voorspellings gaan alles daaroor om te raai wat die toekoms inhou; in hierdie verband gebruik jy dataodi om 'n paar fikse benaderings van gebeure te maak. Dit kan baie voordelig wees om wyse besluite te neem. Byvoorbeeld, as jy 'n hospitaal bestuur (dit sal nogal gaaf wees), moet jy dalk skat hoeveel pasiënte volgende maand gaan inkom sodat nat-toilet-weefsel-grootte aantal voorrade net betyds arriveer. As jy te veel bestel dan sal dit natuurlik vermors word. Rua verduidelik dit is gevaarliker as dit: as jy oorslaan, dan verkoop hulle dalk uit. Die dinamiese tydverdraaiing sal jou in staat stel om toekomstige getalle te voorspel gebaseer op vorige datapunte en beter bestuur van hulpbronne moontlik te maak.
DTW is slegs een instrument wat onder die masjienleergereedskapkas is. Die eerste een is 'n ooglopende punt, maar steeds uiters belangrik in die geval van tydreeksdata. Dinamiese tydverdraaiing help rekenaars om beter voorspellings te maak deur die data te organiseer sodat dit koherent in lyn is. Dit kan oor baie verskillende domeine vertaal word, van gesondheidsorg tot kleinhandel en besluite verbeter.
EN
AR
DA
NL
FI
FR
DE
HI
IT
JA
KO
GEEN
PL
PT
RO
RU
ES
SV
TL
ID
SR
UK
VI
HU
TH
TR
FA
AF
MS
GA
HY
BN
KM
LO
LA
NE
MY
KK
UZ
KY
