Vídeo: Moto G7 Power: o melhor Moto G de 2019? [Análise Completa] 2025
Uma visualização pode representar uma simulação (uma representação pictórica de um cenário de que-se) em análises preditivas. Você pode acompanhar uma visualização de uma previsão com uma simulação que se sobrepõe e suporta a previsão. Por exemplo, o que acontece se a empresa parar de fabricar o Produto D? O que acontece se um desastre natural atinge o escritório em casa? O que acontece se seus clientes perderem o interesse em um produto específico? Você pode usar a visualização para simular o comportamento futuro de uma empresa, um mercado, um sistema meteorológico - você o nomeia.
A painel de controle é outro tipo de visualização que você pode usar para exibir um modelo abrangente de análise preditiva. O painel de controle permitirá que você, usando um botão de controle, altere qualquer passo no pipeline de análise preditiva. Isso pode incluir a seleção dos dados, o pré-processamento de dados, a seleção de um modelo preditivo e a seleção das versões de avaliação corretas.
Você pode facilmente modificar qualquer parte da tubulação a qualquer momento usando o botão de controle no painel. Um painel de controle é um tipo de visualização interativo onde você possui controle e você pode alterar os diagramas, tabelas ou mapas dinamicamente com base nas entradas que você escolhe incluir nas análises que geram esses gráficos e gráficos.
Pelo menos uma técnica de análise preditiva é puramente inspirada pelo fenômeno natural dos pássaros reunidos. O modelo de flocagem de pássaros não só identifica agrupamentos em dados, mas mostra-os em ação dinâmica. A mesma técnica pode ser usada para visualizar padrões ocultos em seus dados.
O modelo representa objetos de dados como pássaros voando em um espaço virtual, seguindo regras de flocagem que orquestra como um enxame migratório de aves se move na natureza.
Representando vários objetos de dados como pássaros revela que objetos de dados semelhantes se reunirão para formar subflocks (agrupamentos). A semelhança entre os objetos no mundo real é o que impulsiona os movimentos das aves correspondentes no espaço virtual. Por exemplo, imagine que você deseja analisar os dados online coletados de vários usuários da Internet (também conhecidos como internautas).
Cada informação (obtida de fontes como informações de usuários de rede social e transações online de clientes) será representada como uma ave correspondente no espaço virtual.
Se o modelo descobrir que dois ou mais usuários interagem uns com os outros através de e-mail ou bate-papo, aparecem na mesma foto on-line, compram o mesmo produto ou compartilham os mesmos interesses, o modelo mostra esses dois internautas como pássaros que se reúnem, seguindo regras de flocagem natural.
A interação (ou seja, quão perto as aves representativas se entrem) é expressa como uma função matemática que depende da freqüência de interação social ou da intensidade com a qual os usuários compram os mesmos produtos ou compartilham os mesmos interesses. Esta última função matemática depende exclusivamente do tipo de análise que você está aplicando.
A imagem acima descreve a interação no Facebook entre os internautas X e Y no ciberespaço como espaço virtual flocante de pássaros, onde X e Y são representados como pássaros. Como os internautas X e Y interagiram um com o outro, a próxima iteração flocadora mostrará seus dois pássaros mais próximos.
Um algoritmo conhecido como "rebanho por líder", inventado pelo Prof. Anasse Bari e o Prof. Bellaachia (ver as seguintes referências), foi inspirado por uma descoberta recente que revelou a dinâmica de liderança em pombos. Este algoritmo pode mitigar a entrada do usuário para pontos de dados que permitem detectar líderes, descobrir seus seguidores e iniciar o comportamento de flocagem no espaço virtual que imita de perto o que ocorre quando os rebanhos se formam naturalmente - exceto os rebanhos, neste caso, são os clusters de dados chamados < bandos de dados. Esta técnica não só detecta padrões em dados, mas também fornece uma representação pictórica clara dos resultados obtidos pela aplicação de modelos de análise preditiva. As regras que orquestravam o comportamento de flocagem natural na natureza foram estendidas para criar novas regras de flocagem que estão de acordo com a análise de dados:
Homogeneidade de bandos de dados:
- Os membros do rebanho mostram semelhança nos dados. liderança de flocagem de dados:
- O modelo antecipa líderes de informação. Representar um grande conjunto de dados como um bando de pássaros é uma forma de visualizar facilmente grandes dados em um painel de controle.
Este modelo de visualização pode ser usado para detectar partes de dados que são outliers, líderes ou seguidores. Uma aplicação política poderia ser visualizar valores aberrantes da comunidade, líderes comunitários ou seguidores da comunidade. No campo biomédico, o modelo pode ser usado para visualizar genomas e líderes de outliers em amostras genéticas de uma determinada doença (por exemplo, aqueles que mostram uma mutação específica de forma mais consistente).
Uma visualização de flocagem de pássaros também pode ser usada para prever padrões futuros de fenômenos desconhecidos no ciberespaço - agitação civil, um movimento social emergente, uma linhagem de um futuro cliente.
A visualização de flocagem é especialmente útil se você estiver recebendo um grande volume de dados transmitidos em alta velocidade: você pode ver a formação de flocagem no espaço virtual que contém os pássaros que representam seus objetos de dados. Os resultados da análise de dados são refletidos (literalmente) em tempo real no espaço virtual. A realidade recebeu uma representação fictícia, ainda que observável e analiticamente significativa, puramente inspirada pela natureza. Tais visualizações também podem funcionar bem como simulações ou cenários de que-se.
Uma visualização baseada no comportamento de flocagem começa por indexar cada internautas a um pássaro virtual. Inicialmente, todos os pássaros estão ociosos.À medida que os dados entram, cada pássaro começa a se reunir no espaço virtual de acordo com os resultados da análise e as regras de flocagem.
Acompanhar os internautas reunidos.
O que o bando está fazendo.
Flock-by-leader subdivide o rebanho.
"Flock by Leader: uma nova máquina que aprende algoritmo de agrupamento com inspiração biológica", IEEE International Conference of Swarm Intelligence, 2012.
- Isso também aparece como um capítulo do livro em
Advances in Swarm Intelligence, 2012 Edition - (Springer-Verlag). "SFLOSCAN: um quadro de mineração de dados com inspeção biológica para identificação comunitária em redes sociais dinâmicas", Conferência Internacional IEEE sobre Inteligência Computacional, 2011 (SSCI 2011), 2011.
