autoclass. Autoclass يحل مشكلة اكتشاف الطبقات التلقائية في البيانات.
التحميل الان

autoclass. الترتيب والملخص

autoclass. العلامات

الطبقات حرف او رمز اكتشاف اكتشاف الطبقات أوصاف الطبقة التعلم الخاضع للإشراف

autoclass. وصف

Autoclass يحل مشكلة الاكتشاف التلقائي للفصول الدراسية في البيانات. يحل Autoclass مشكلة الاكتشاف التلقائي للفصول الدراسية في البيانات (تسمى أحيانا التجميع أو التعلم غير المدعوم)، كما تميز عن جيل أوصاف الطبقة من الأمثلة المسمى (تسمى التعلم الإشرافي). يهدف إلى اكتشاف الطبقات "الطبيعية" في البيانات. ينطبق مشروع Autoclass على ملاحظات الأشياء التي يمكن وصفها بواسطة مجموعة من السمات، دون الرجوع إلى أشياء أخرى. تقتصر قيم البيانات المقابلة لكل سمة أن تكون إما أرقام أو عناصر مجموعة ثابتة من الرموز. مع بيانات رقمية، يجب توفير خطأ في القياس. في السنوات السابقة، طورت مجموعة Bayes في مركز أبحاث Ames النظرية الأساسية والخوارزميات المرتبطة بها لأنواع مختلفة من تقنيات تحليل البيانات العامة. تم تطبيق جهودنا الأولى على مشكلة التصنيف التلقائي للبيانات. نفذنا هذه النظرية في سلسلة الأوتوكلاس من البرامج. يأخذ Autoclass قاعدة بيانات للحالات التي وصفها مجموعة من السمات القيمة الحقيقية والمنفصلة، وتجد تلقائيا الطبقات الطبيعية في تلك البيانات. لا يحتاج إلى أن يقال إلى عدد الفصول الموجودة أو ما يبدو عليه - إنه يستخرج هذه المعلومات من البيانات نفسها. يتم وصف الفئات بشكل احترام، بحيث يمكن أن يكون لك كائن عضوية جزئية في الفئات المختلفة، والصف التعاريف يمكن أن تتداخل. يقوم Autoclass بإنشاء تقارير عن الفصول الموجودة في نهاية بحثها. تم استخدام Autoclass واختبارها على العديد من مجموعات البيانات، داخل ناسا والصناعة والأوساط الأكاديمية وغيرها من الوكالات. عادة ما تجد هذه التطبيقات تصنيفات مفاجئة تظهر أنماطا في البيانات غير معروفة للمستخدم. ومن الأمثلة على ذلك: اكتشاف فئات جديدة من النجوم الأشعة تحت الحمراء في الكتالوج الطيفي المنخفض IRAS (انظر الشكل أدناه؛ وانظر هنا وهنا للحصول على مزيد من المعلومات)، فصول جديدة من المطارات في قاعدة بيانات لجميع مطارات الولايات المتحدة الأمريكية، اكتشاف فصول الدروس البروتينات، الإنترونات وغيرها من الأنماط في بيانات تسلسل الحمض النووي / البروتين، وغيرها.

autoclass. برامج ذات صلة