Innholdsfortegnelse:
Definisjon - Hva betyr karakterisering?
Karakterisering er en big data-metodikk som brukes til å generere beskrivende parametere som effektivt beskriver egenskapene og oppførselen til et bestemt dataelement. Dette brukes deretter i uovervåket læringsalgoritmer for å finne mønstre, klynger og trender uten å inkludere klassemerker som kan ha skjevheter. Det har sine bruksområder i klyngebehandling og til og med dyp læring.
Techopedia forklarer karakterisering
Big data characterization er en teknikk for å transformere rådata til nyttig informasjon, og brukes i maskinlæringsalgoritmer og data mining. Karakterisering genererer i det vesentlige kondenserte representasjoner av uansett informasjonsinnhold som er skjult i data. Derfor kan den brukes som et middel til å måle og spore hendelser, endringer og ny fremvoksende atferd i store dynamiske datastrømmer.
Noen fordeler ved karakterisering:
- Kan generere nyttige beregninger for sporing og måling av hendelser og avvik i datasett
- Lager små fotavtrykk-representasjoner av viktig informasjon
- Gjennomfører raskt data-til-informasjon-konvertering, noe som bringer næringen nærmere den fullstendige data-til-informasjon-til-kunnskap-transformasjonen
- Er nyttig for indeksering og tagging av spesifikke objekter, hendelser og andre funksjoner i en datainnsamling
