Autoklasse Autoklasse löst das Problem der automatischen Entdeckung von Daten in Daten.
Jetzt downloaden

Autoklasse Ranking & Zusammenfassung

Autoklasse Stichworte

Klassen Symbole Entdeckung Klassen Entdeckung. Klassebeschreibungen überwachtes Lernen

Autoklasse Beschreibung

Autoklasse löst das Problem der automatischen Entdeckung von Klassen in Daten. Autoclass löst das Problem der automatischen Entdeckung von Klassen in Daten (manchmal als Clustering- oder Unbeaufsichtigtes Lernen genannt), in Bezug auf die Erzeugung von Klassenbeschreibungen aus markierten Beispielen (beauftragtes Lernen). Es zielt darauf ab, die "natürlichen" Klassen in den Daten zu entdecken. Das Autoclass-Projekt gilt für Beobachtungen von Dingen, die von einem Satz von Attributen beschrieben werden können, ohne sich auf andere Dinge zu beziehen. Die Datenwerte, die jedem Attribut entsprechen, sind entweder auf Zahlen oder die Elemente eines festen Satzes von Symbolen beschränkt. Mit numerischen Daten muss ein Messfehler bereitgestellt werden. IntroductionInd In den letzten Jahren entwickelte sich die Bayes-Gruppe im Ames Research Center die Basis-Theorie und zugehörige Algorithmen für verschiedene Arten von allgemeinen Datenanalyse-Techniken. Unsere frühesten Anstrengungen wurden auf das Problem der automatischen Klassifizierung von Daten angewandt. Wir haben diese Theorie in der AUTOCLASS-Serie von Programmen umgesetzt. Autoclass nimmt eine Datenbank von Fällen an, die durch eine Kombination realer und diskreter Werteattribute beschrieben wird, und findet automatisch die natürlichen Klassen in dieser Daten. Es muss nicht gesagt werden, wie viele Klassen vorhanden sind oder wie sie aussehen Definitionen können überlappen. Autoklasse generiert Berichte zu den Klassen, die sie am Ende seiner Suche gefunden hat. Autoklasse wurde auf vielen Datensätzen in NASA und von Industrie, Wissenschaft und anderen Agenturen verwendet und getestet. Diese Anwendungen finden in der Regel überraschende Klassifikationen, die Muster in den dem Benutzer unbekannten Daten zeigen. Beispiele umfassen: Entdeckung neuer Klassen von Infrarotersternen im Low-Resolution-Spektralkatalog mit niedriger Auflösung (siehe Abbildung unten; und siehe hier und hier für weitere Informationen), neue Klassen von Flughäfen in einer Datenbank aller Flughäfen aller USA, Entdeckung von Klassen von Klassen Proteine, Introns und andere Muster in DNA / Protein-Sequenzdaten und anderen.

Autoklasse Zugehörige Software