Hasonlóság (számítás)
A matematikában és a hasonlóság kiszámításakor fontos kritérium az alcsoport azonosításának objektumok, értékek (digitális vagy nem), adatok (ismert vagy elismert) csoportjában egy "térben" vagy rendszerben .
Egy matematikai szempontból ez a különbség a távolság a két adat, hogy az intézkedés a hasonlóság mértéke.
Szójegyzék
- A besorolás során klaszterezésről (vagy klaszterezésről ) beszélünk az adatok felosztásának leírására , és a klaszter ekkor hasonlóságokat mutató adatok vagy elemek összessége. Az adatbázis objektumainak leíró nyelvének lehetővé kell tennie az objektum másokhoz viszonyított távolságának meghatározását. A nullapont és ennek következtében a többi objektumtól való távolságának mérése túlsúlyos vagy alsúlyozott lehet az objektumszámítási rendszer közötti távolságban, amikor a nullapont fontosabbnak (vagy kevésbé) tűnik a figyelembe vett probléma szempontjából. A súlyozás szakértői vélemény vagy szakértői rendszer segítségével történik . Ez nehézzé válik, ha fontos az adatokat leíró attribútumok száma. Ezután más komplexitáscsökkentő rendszerek is alkalmazhatók.
- A mesterséges intelligencia területén a hasonlóság az egyik kritérium a számítógépes elemzéshez és az adatok particionálásának klaszterezéséhez (angolul adatcsoportosítás ). Ez az automatikus osztályozási lépés a gépi tanulási módszerek megvalósításához szükséges . Expert szoftver is arra törekszik, hogy figyelembe kell venni a kontextusban, amely szerint a hasonlóság változhat (pl: három különböző környezetben a hőmérséklet, a víz, míg a maradék H 2 O lehet jelen gőz formájában, folyékony vagy jég, hó vagy fagy és nagyon eltérő éghajlati hatásuk van). A szoftver annál fontosabb munkát végez, mivel az adatok attribútumai hasznosak és relevánsak lesznek a kontextusban.
Hasonlóságot használó algoritmusok
Az adatok particionálására számos megoldás vonatkozik, többek között:
Lásd is
Kapcsolódó cikkek
Bibliográfia