Como criar visualizações de comportamento reunindo pássaro em análise preditiva
Na análise preditiva, uma visualização pode representar uma simulação
Conteúdo
Por exemplo, o que acontece se a empresa deixa de fabricação do produto D? O que acontece se um desastre natural atinge o escritório em casa? O que acontece se os seus clientes perdem o interesse em um determinado produto? Você pode usar a visualização para simular o comportamento futuro de uma empresa, um mercado, um sistema de tempo - o nome dela.
UMA painel de controle é outro tipo de visualização que você pode usar para exibir um modelo abrangente de análise preditiva. O painel irá permitir que você, usando um botão de controle, alterar qualquer etapa no pipeline de análise preditiva. Isso pode incluir selecionar o pré-processamento de dados, dados, selecionando um modelo preditivo, e selecionando as versões de avaliação de certos.
Você pode facilmente modificar qualquer parte do pipeline a qualquer momento usando o botão de controle no painel de instrumentos. Um painel é um tipo interativa de visualização, onde você tem o controle e você pode mudar os diagramas, tabelas ou mapas dinamicamente com base nas entradas que você escolher para incluir nas análises que genearte essas tabelas e gráficos.
Pelo menos uma técnica de análise preditiva é puramente inspirado pelo fenómeno natural de aves flocagem. O modelo de flocking pássaro não só identifica agrupamentos de dados, ele mostra-los em ação dinâmica. A mesma técnica pode ser usada para retratar padrões ocultos em seus dados.
O modelo representa objetos de dados como os pássaros que voam em um espaço virtual, seguindo reunindo regras que orquestrar como um enxame migração de aves move na natureza.
Representando vários objetos de dados como os pássaros revela que objetos de dados semelhantes migram para formar subflocks (agrupamentos). A semelhança entre os objetos no mundo real é o que impulsiona os movimentos dos pássaros correspondentes no espaço virtual. Por exemplo, imagine que você deseja analisar os dados online recolhidos de vários usuários de Internet (também conhecido como netizens).
Video: Origami: Tsuru - Instruções em Português BR
Cada pedaço de informação (adquirida a partir de fontes como informações rede social do usuário, transações on-line de clientes, e assim por diante) será representado como um pássaro correspondente no espaço virtual.
Se o modelo descobre que dois ou mais usuários interagem uns com os outros através de e-mail ou chat, aparecem no mesmo fotos on-line, comprar o mesmo produto, ou partilhar os mesmos interesses, o modelo mostra esses dois internautas como aves que andam juntos, seguindo as regras de flocagem naturais.
A interação (isto é, o quão perto os pássaros representativas chegar ao outro) é expressa como uma função matemática que depende da freqüência de interação social, ou a intensidade com que os usuários compram os mesmos produtos ou compartilham os mesmos interesses. Esta última função matemática depende apenas do tipo de análise que você está aplicando.
Video: Como fazer um Pássaro de Origami - (Tsuru de Papel)
A interacção entre em Facebook Internautas X e Y no ciberespaço é descrito como espaço virtual-flocagem ave, em que ambos X e Y são representados como aves. Porque Internautas X e Y ter interagido com o outro, a iteração seguinte flocagem irá mostrar as suas duas aves como mais juntos.
Um algoritmo conhecido como “rebanho pelo líder”, criado pela equipe do professor Bellaachia, foi inspirado por uma descoberta recente que revelou a dinâmica de liderança em pombos. Este algoritmo pode mina de entrada do usuário para os pontos de dados que lhe permitem detectar líderes, descobrir seus seguidores, e iniciar reunindo comportamento no espaço virtual que imita o que acontece quando rebanhos formam naturalmente - exceto os rebanhos são agrupamentos de dados chamado rebanhos de dados.
Esta técnica não só detecta padrões nos dados, mas também fornece uma representação pictórica clara dos resultados obtidos através da aplicação de modelos de análise preditiva. As regras que orquestram comportamento flocking natural na natureza foram estendidos para criar novas regras de flocagem que estejam em conformidade com a análise de dados:
homogeneidade rebanho dados: Membros do rebanho mostram semelhança nos dados.
liderança rebanho de dados: O modelo antecipa líderes de informação.
Representando um grande conjunto de dados como um bando de pássaros é uma maneira de visualizar facilmente os dados grandes em um painel.
Este modelo de visualização pode ser usado para detectar pedaços de dados que são discrepantes, líderes ou seguidores. Uma aplicação política poderia ser de visualizar os outliers da comunidade, líderes comunitários, ou seguidores da comunidade. No campo biomédico, o modelo pode ser usado para visualizar genomas e líderes discrepantes entre as amostras genéticas de uma doença em particular (digamos, aqueles que mostram uma mutação particular, mais consistentemente).
A visualização em reunindo ave também pode ser usado para prever os padrões futuros de fenômenos desconhecidos no ciberespaço - agitação civil, um movimento social emergente, linhagem um futuro cliente.
A visualização reunindo é especialmente útil se você está recebendo um grande volume de dados de streaming em alta velocidade: Você pode ver a formação de reunindo no espaço virtual que contém os pássaros que representam seus objetos de dados. Os resultados da análise de dados são refletidas (literalmente) na mosca no espaço virtual.
Reality dado um ficcional, ainda observável e analiticamente significativo, a representação puramente inspirado da natureza. Essas visualizações também pode funcionar bem como simulações ou cenários hipotéticos.
A visualização com base em reunindo comportamento começa indexando cada internauta a um pássaro virtual. Inicialmente, todas as aves estão ociosos. Como vem dados, cada ave começa reunindo no espaço virtual de acordo com os resultados de análise e as regras que reunem-se.
O rebanho emergente é formado como as análises são apresentados.
Depois de analisar os dados ao longo de um grande período de tempo terminando em t + k, os resultados dessa aplicação dos resultados da análise preditiva pode ser representado: O algoritmo rebanho-a-líder diferencia os membros do rebanho em três classes: um líder, seguidores, e outliers.
