k-निकटतम-पड़ोसी एल्गोरिदम एक वर्गीकरण दृष्टिकोण है जो कक्षा सदस्यता (Y) और भविष्यवक्ताओं X₁, X₂, ... Xₙ के बीच संबंध की संरचना के बारे में धारणा नहीं बनाता है। यह एक नॉनपैरामीट्रिक दृष्टिकोण है क्योंकि इसमें एक ढीले फ़ंक्शन रूप में पैरामीटर्स के अनुमान शामिल नहीं हैं, जिसमें रैखिक प्रतिगमन में ढीले

विवेचक विश्लेषण दृष्टिकोण वर्गीकरण स्कोर पर पहुंचने के लिए दो मुख्य मान्यताओं पर निर्भर करता है - पहला, यह मानता है कि कुछ कक्षाओं में भविष्यवक्ता माप एक बहुचर सामान्य वितरण से आते हैं। जब यह परिकल्पना यथोचित रूप से इकट्ठी होती है, तो विवेचक विश्लेषण लॉजिस्टिक रिग्रेशन सहित अन्य वर्गीकरण विधियों की

सीखने की सबसे सरल संरचना सादा याद करना है, या रट्टा सीखना। क्योंकि प्रशिक्षण उदाहरणों का एक समूह याद किया गया है, एक नए उदाहरण का सामना करने पर मेमोरी की जांच की जाती है उस प्रशिक्षण उदाहरण के लिए जो नए से सबसे अधिक मेल खाता है। एकमात्र समस्या यह स्पष्ट करना है कि मेल खाता है से क्या तात्पर्य है। प

एक निर्णय वृक्ष एक फ्लो-चार्ट जैसा वृक्ष तंत्र है, जहां प्रत्येक आंतरिक नोड एक विशेषता पर एक परीक्षण इंगित करता है, प्रत्येक शाखा परीक्षण के परिणाम को परिभाषित करती है, और पत्ती नोड कक्षाओं या कक्षा वितरण का वर्णन करते हैं। एक वृक्ष में सबसे बड़ा नोड रूट नोड होता है। निर्णय वृक्ष बनाने के मुद्दों क

टेन-फोल्ड क्रॉस-वैलिडेशन किसी विशेष डेटासेट पर एक सीखने की योजना की त्रुटि दर को मापने का मानक तरीका है; विश्वसनीय परिणामों के लिए, 10 गुना टेन-फोल्ड क्रॉस-वैलिडेशन। दो विधियां हैं लीव-वन-आउट क्रॉस-वैलिडेशन और बूटस्ट्रैप। लीव-वन-आउट क्रॉस-वैलिडेशन लीव-वन-आउट क्रॉस-वैलिडेशन स्पष्ट रूप से n-फोल्ड क्र

फीड-फॉरवर्ड नेटवर्क का लोकप्रिय प्रकार रेडियल बेसिस फंक्शन (RBF) नेटवर्क है। इसमें दो परतें होती हैं, इनपुट परत को गिने बिना, और यह मल्टीलेयर पर्सेप्ट्रॉन से इस मायने में भिन्न होता है कि छिपी हुई इकाइयां गणना को लागू करती हैं। प्रत्येक छिपी हुई इकाई इनपुट स्पेस में एक विशिष्ट बिंदु को महत्वपूर्ण र

जनरलाइज्ड एक्जेम्पलर इंस्टेंस स्पेस के आयताकार दायरे हैं, जिन्हें हाइपररेक्टेंगल्स के रूप में जाना जाता है क्योंकि वे उच्च-आयामी हैं। नए उदाहरणों को परिभाषित करते समय दूरी फ़ंक्शन को बदलना आवश्यक है ताकि एक हाइपररेक्टेंगल की दूरी की गणना की जा सके। जब एक नया एक्जेम्प्लर सही ढंग से परिभाषित किया जात

एक विशेषता असतत (discrete) होती है यदि इसमें संभावित मूल्यों की अपेक्षाकृत छोटी (सीमित) संख्या होती है जबकि एक सतत विशेषता को संभावित मूल्यों की बड़ी संख्या (अनंत) होने के रूप में माना जाता है। दूसरे शब्दों में, एक असतत डेटा विशेषता को एक फ़ंक्शन के रूप में देखा जा सकता है जिसकी रेंज एक सीमित समूह

डेस्कटॉप मशीन का आकार उपयोगकर्ता की विशेषताओं और संबंधित टूल आवश्यकताओं पर आधारित होता है। एक आकस्मिक उपयोगकर्ता जिसकी डेटा आवश्यकताएं वेब ब्राउज़र के माध्यम से HTML दस्तावेज़ द्वारा पूरी होती हैं, उसे केवल इंटरनेट ब्राउज़र चलाने के लिए आवश्यक शक्ति की आवश्यकता होती है। दूसरी ओर, एक पावर उपयोगकर्ता

डायरेक्टरी सर्वर संबंधित नेटवर्क पर सुलभ संसाधनों का एक प्रकार का डेटा वेयरहाउस है। संसाधन जैसे डेटाबेस डिवाइस, व्यक्तिगत डेटाबेस, फाइल रिपॉजिटरी, ट्रांजैक्शन सिस्टम, फाइल स्टोरेज क्षेत्र, प्रिंटर, और लोग। लोगों के विवरण में नाम और पते, संगठनात्मक भूमिकाएं, ई-मेल पते, और बहुत कुछ शामिल हैं। डायरेक्

एन्क्रिप्शन का सबसे सरल रूप सिमेट्रिक की एन्क्रिप्शन है। इस प्रकार के एन्क्रिप्शन को प्राइवेट की एन्क्रिप्शन भी कहा जाता है। सिमेट्रिक-की एन्क्रिप्शन के साथ, एक गुप्त कुंजी जानकारी को लॉक और अनलॉक दोनों कर सकती है। सिमेट्रिक की एन्क्रिप्शन मुख्य रूप से दो स्थितियों में दिलचस्प है - डेटा की निजी एन्

सिमेट्रिक की एन्क्रिप्शन में चाबियों को सुरक्षित रूप से वितरित करने की बड़ी समस्या होती है। दो दूरस्थ पक्षों के बीच एक सुरक्षित कनेक्शन लिंक स्थापित करने की समस्या को प्रबंधित करने के लिए एन्क्रिप्शन योजनाओं के कई सेट तैयार किए गए हैं, यहां तक कि वेब पर भी। इन एन्क्रिप्शन योजनाओं को पब्लिक-की एन्क्

डेटा वेयरहाउसिंग एक ऐसी तकनीक है जिसका उपयोग मुख्य रूप से विभिन्न स्रोतों से डेटा एकत्र करने और प्रबंधित करने के लिए किया जाता है ताकि व्यवसाय को सार्थक व्यावसायिक अंतर्दृष्टि मिल सके। एक डेटा वेयरहाउस विशेष रूप से प्रबंधन निर्णयों का समर्थन करने के लिए डिज़ाइन किया गया है। सरल शब्दों में, एक डेटा

फैक्ट टेबल में एक कम्पोजिट प्राइमरी की होती है, जिसमें कई फॉरेन कीज़ शामिल होती हैं (प्रत्येक डायमेंशन टेबल के लिए एक) और प्रत्येक माप के लिए एक कॉलम जो इन डायमेंशन का उपयोग करता है। हर डेटा स्टेजिंग प्रक्रिया में इनकमिंग फैक्ट टेबल रिकॉर्ड में प्रोडक्शन आईडी को डेटा वेयरहाउस सरोगेट कीज़ से बदलने क

डेटा माइनिंग रिपॉजिटरी में सहेजे गए भारी मात्रा में डेटा के माध्यम से स्थानांतरित करके उपयोगी नए सहसंबंधों, पैटर्न और प्रवृत्तियों को खोजने की प्रक्रिया है, जिसमें पैटर्न पहचान तकनीकों का उपयोग किया जाता है जिसमें सांख्यिकीय और गणितीय तकनीकें शामिल हैं। यह तथ्यात्मक डेटासेट का विश्लेषण है ताकि अनपेक

डेटा माइनिंग रिपॉजिटरी में सहेजे गए भारी मात्रा में डेटा के माध्यम से स्थानांतरित करके उपयोगी नए सहसंबंधों, पैटर्न और प्रवृत्तियों को खोजने की प्रक्रिया है, जिसमें पैटर्न पहचान तकनीकों का उपयोग किया जाता है जिसमें सांख्यिकीय और गणितीय तकनीकें शामिल हैं। यह तथ्यात्मक डेटासेट का विश्लेषण है ताकि अनपेक

डेटा विज़ुअलाइज़ेशन व्यापक चार्ट, इमेज, लिस्ट, चार्ट, और कई विज़ुअल ऑब्जेक्ट्स की सहायता से डेटा के दृश्य प्रतिनिधित्व को परिभाषित करता है। यह उपयोगकर्ताओं को डेटा को समय के एक अंश में सीखने और उपयोगी डेटा, पैटर्न और प्रवृत्तियों को निकालने की अनुमति देता है। इसके अलावा, यह डेटा को समझना सरल बनाता ह

हीटमैप संख्यात्मक डेटा का एक ग्राफिकल डिस्प्ले है जहां मानों को दर्शाने के लिए रंग का उपयोग किया जाता है। डेटा माइनिंग संदर्भ में, हीटमैप विशेष रूप से दो उद्देश्यों के लिए उपयोगी हैं - सहसंबंध तालिकाओं को विज़ुअलाइज़ करने के लिए और डेटा में लापता मूल्यों को विज़ुअलाइज़ करने के लिए। दोनों मामलों में,

डेटा स्रोतों के चयन के लिए विभिन्न मानदंड हैं जो निम्नलिखित हैं:डेटा पहुंच - यदि डेटा के लिए दो संभावित फीड मौजूद हैं, एक सबसे युवा प्रोजेक्ट टीम सदस्य के पैदा होने से पहले लिखे गए प्रोग्राम्स के एक सेट द्वारा रखी गई बाइनरी फाइलों में संग्रहीत है और दूसरा एक सिस्टम से है जो बाइनरी दस्तावेजों को पढ़त

डेटा स्टेजिंग की विभिन्न आवश्यकताएं निम्नलिखित हैं - उत्पादकता समर्थन (Productivity Support) कोई भी सिस्टम जिसे लागू करने का निर्णय लिया जाता है, उसे बुनियादी विकास वातावरण क्षमताओं का समर्थन करने की आवश्यकता होती है जैसे कोड लाइब्रेरी प्रबंधन चेक-इन/चेक-आउट, संस्करण नियंत्रण, और उत्पादन और विकास