Katta ma’lumotlarni tahlil qilish usullari haqida. Juda katta ma’lumotlar massivini tahlil qilishning xilma-xil usullari ishlab chiqilgan. Ulardagi asosiy g‘oyalar statistika va informatika yo‘nalishlaridan olingan. Keltirilgan usullar to‘liq bo‘lmasada ushu yo‘nalishdagi keng qo‘llanib kelinmoqda.
A/B testing. Bu yerda oldindan belgilab olingan to‘plam birin-ketin boshqa to‘plamlar bilan taqqoslanadi. Shu yo‘l bilan ko‘rsatkichlarning optimal kombinatsiyasi aniqlanadi. Ma’lumotlar to‘plami katta bo‘lganligi sababli iteratsiyalar soni ko‘p bo‘ladi va shu bois yechimga yaqin natija o‘lish mumkin.
Association rule learning. Ma’lumotlar massividagi o‘zgaruvchilar o‘rtasida mavjud bog‘lanishlarni aniqlashga qaratilgan usullar to‘plami bo‘lib, asosan “data mining” sohasida qo‘llaniladi.
Classification. Mijozlarni bozorning qandaydir segmentidagi harakatlarini bashorat qilishga qaratilgan (masalan, xarid qilishda qaror qabul qilish) usullar to‘plami bo‘lib, asosan data mining sohasida qo‘llaniladi.
Cluster analysis. Noma’lum bo‘lgan umumiy jihatlarni aniqlab obyektlarni guruhlarga taqsimlashga qaratilgan statistik usul bo‘lib, asosan data mining sohasida qo‘llaniladi.
Crowdsourcing. Manbalar soni ko‘p bo‘lganda, ulardan ma’lumotlarni olish uslubi.
Data fusion and data integration. Ijtimoiy tarmoqlarda mavjud izohlarni tahlil qilishga va ularni on-layn rejimda sotuv natijalari bilan taqqoslashga qratilgan uslublar to‘plami.
Data mining. Mahsulotlarni va/yoki xizmatlarni bozorga kiritishda iste’molchilarni kategoriyasini aniqlash, xodimlarning ijobiy jihatlarini qidirish, iste’molchilarni hatti-harakatlarini bashorat qilish.
Ensemble learning. Predikatlar modellari to‘plami yordamida bashoratlashni sifatini oshirishga qaratilgan usul.
Genetic algorithms. Ushbu usulda mumkin bo‘lgan yechimlar xromosoma ko‘rinishida tasvirlanib, keyinchalik ularni kombinatsiyalash va mutatsiya jarayonidan o‘tkazish tushuniladi. Bunda faqatgina eng ‘kuchli’ variant saqlanadi.
Do'stlaringiz bilan baham: |
