एक k-निकटतम-पड़ोसी एल्गोरिथ्म एक वर्गीकरण दृष्टिकोण है जो वर्ग सदस्यता (Y) और भविष्यवक्ताओं X1 के बीच संबंध की संरचना के बारे में धारणाएं नहीं बनाता है। , एक्स2 ,…. एक्सएन । यह एक गैर-पैरामीट्रिक दृष्टिकोण है क्योंकि इसमें रेखीय प्रतिगमन में दिखाए गए रैखिक रूप सहित, एक दिखावा फ़ंक्शन रूप में पैरामी

विभेदक विश्लेषण दृष्टिकोण वर्गीकरण स्कोर पर प्रकट होने के लिए दो मुख्य मान्यताओं पर निर्भर करता है - पहला, यह मानता है कि कुछ वर्गों में भविष्यवक्ता माप एक बहुभिन्नरूपी सामान्य वितरण से प्रकट होते हैं। जब इस परिकल्पना को यथोचित रूप से इकट्ठा किया जाता है, तो लॉजिस्टिक रिग्रेशन सहित अन्य वर्गीकरण विध

सीखने की सबसे सरल संरचना सादा याद रखना, या रटना सीखना है। चूंकि प्रशिक्षण उदाहरणों के एक समूह को याद किया गया है, एक नए उदाहरण का सामना करने पर स्मृति की जांच प्रशिक्षण उदाहरण के लिए की जाती है जो सबसे शक्तिशाली रूप से नए जैसा दिखता है। एकमात्र समस्या यह है कि सदृश कैसे स्पष्ट किया जाए। सबसे पहले,

एक निर्णय वृक्ष एक प्रवाह-चार्ट-जैसी वृक्ष तंत्र है, जहां प्रत्येक आंतरिक नोड एक विशेषता पर एक परीक्षण इंगित करता है, प्रत्येक विभाग परीक्षण के परिणाम को परिभाषित करता है, और पत्ती नोड्स कक्षाओं या वर्ग वितरण का वर्णन करते हैं। पेड़ में सबसे बड़ा नोड रूट नोड होता है। निर्णय वृक्ष के निर्माण के मुद्

टेनफोल्ड क्रॉस-सत्यापन किसी विशेष डेटासेट पर सीखने की योजना की त्रुटि दर को मापने का मानक तरीका है; विश्वसनीय परिणामों के लिए, 10 गुना दस गुना क्रॉस-सत्यापन। लीव-वन-आउट क्रॉस-सत्यापन और बूटस्ट्रैप दो तरीके हैं। एक-एक करके क्रॉस-सत्यापन छोड़ें लीव-वन-आउट क्रॉस-सत्यापन खुले तौर पर n-गुना क्रॉस-सत्याप

लोकप्रिय प्रकार का फीड-फॉरवर्ड नेटवर्क रेडियल बेसिस फंक्शन (आरबीएफ) नेटवर्क है। इसमें दो परतें होती हैं, इनपुट परत की गिनती नहीं होती है, और एक बहुपरत परसेप्ट्रॉन से उस पद्धति में विरोधाभास होता है, जिसमें छिपी हुई इकाइयां गणनाओं को लागू करती हैं। प्रत्येक छिपी हुई इकाई अपने बिंदु और उदाहरण के बीच

सामान्यीकृत उदाहरण उदाहरण क्षेत्र के आयताकार क्षेत्र हैं, जिन्हें हाइपररेक्टेंगल्स के रूप में जाना जाता है क्योंकि वे उच्च-आयामी हैं। नए उदाहरणों को परिभाषित करते समय दूरी फ़ंक्शन को हाइपररेक्टेंगल में गणना करने के लिए सक्षम करने के लिए दूरी फ़ंक्शन को परिवर्तित करना आवश्यक है। जब एक नया उदाहरण सही

एक विशेषता असतत है यदि उसके पास संभावित मूल्यों की एक सहयोगी रूप से छोटी (सीमित) संख्या है, जबकि एक सतत विशेषता को बड़ी संख्या में संभावित मान (अनंत) माना जाता है। दूसरे शब्दों में, एक असतत डेटा विशेषता को एक फ़ंक्शन के रूप में देखा जा सकता है जिसकी सीमा एक परिमित समूह है, जबकि एक निरंतर डेटा विशेष

डेस्कटॉप मशीन का आकार उपयोगकर्ता की विशेषताओं और संबंधित उपकरण आवश्यकताओं पर आधारित होता है। एक आकस्मिक उपयोगकर्ता जिसका डेटा वेब ब्राउज़र के माध्यम से HTML दस्तावेज़ द्वारा पूरा किया जाता है, को केवल उतनी ही शक्ति की आवश्यकता होती है जितनी कि इंटरनेट ब्राउज़र को चलाने के लिए होती है। दूसरी ओर, एक

निर्देशिका सर्वर संबंधित नेटवर्क पर उपलब्ध संसाधनों का एक प्रकार का डेटा वेयरहाउस है। डेटाबेस डिवाइस, अलग-अलग डेटाबेस, फ़ाइल रिपॉजिटरी, ट्रांजेक्शन सिस्टम, फ़ाइल स्टोरेज क्षेत्र, प्रिंटर और लोग जैसे संसाधन। लोगों के विवरण में नाम और पते, संगठन की भूमिकाएं, ई-मेल पते और बहुत कुछ शामिल हैं। निर्देशिक

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

सममित कुंजी एन्क्रिप्शन में कुंजी को सुरक्षित रूप से वितरित करने की प्रमुख समस्या है। वेब पर भी एक सुरक्षित कनेक्शन लिंक स्थापित करने वाली दो दूरस्थ पार्टियों की समस्या का प्रबंधन करने के लिए एन्क्रिप्शन योजनाओं का एक बहु सेट तैयार किया गया है। इन एन्क्रिप्शन योजनाओं को सार्वजनिक कुंजी एन्क्रिप्शन क

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

तथ्य तालिका में एक संयुक्त प्राथमिक कुंजी शामिल होती है, जिसमें कई विदेशी कुंजियाँ (प्रत्येक आयाम तालिका के लिए एक) और इन आयामों का उपयोग करने वाले प्रत्येक माप के लिए एक स्तंभ शामिल होता है। प्रत्येक डेटा स्टेजिंग प्रक्रिया में तथ्य तालिका में प्रत्येक आयाम के लिए डेटा वेयरहाउस सरोगेट कुंजियों के

डेटा माइनिंग सांख्यिकीय और गणितीय तकनीकों सहित पैटर्न पहचान तकनीकों का उपयोग करके, रिपॉजिटरी में सहेजे गए डेटा की एक उच्च मात्रा के माध्यम से उपयोगी नए सहसंबंध, पैटर्न और प्रवृत्तियों को खोजने की प्रक्रिया है। यह अनपेक्षित संबंधों की खोज करने के लिए तथ्यात्मक डेटासेट का विश्लेषण है और डेटा स्वामी के

डेटा माइनिंग सांख्यिकीय और गणितीय तकनीकों सहित पैटर्न पहचान तकनीकों का उपयोग करके, रिपॉजिटरी में सहेजे गए डेटा की एक उच्च मात्रा के माध्यम से उपयोगी नए सहसंबंध, पैटर्न और प्रवृत्तियों को खोजने की प्रक्रिया है। यह अनपेक्षित संबंधों की खोज करने के लिए तथ्यात्मक डेटासेट का विश्लेषण है और डेटा स्वामी के

डेटा विज़ुअलाइज़ेशन व्यापक चार्ट, छवियों, सूचियों, चार्ट और कई दृश्य वस्तुओं के समर्थन से डेटा के दृश्य प्रतिनिधित्व को परिभाषित करता है। यह उपयोगकर्ताओं को केवल समय के एक अंश के भीतर डेटा सीखने और उपयोगी डेटा, पैटर्न और रुझान निकालने की अनुमति देता है। इसके अलावा, यह केवल समझने के लिए डेटा बनाता है

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

डेटा स्रोतों के चयन के लिए विभिन्न मानदंड हैं जो इस प्रकार हैं - डेटा पहुंच योग्यता - यदि डेटा के लिए दो संभावित फ़ीड मौजूद हैं, एक को सबसे कम उम्र के प्रोजेक्ट टीम के सदस्य के जन्म से पहले लिखे गए कार्यक्रमों के एक सेट द्वारा बनाए गए बाइनरी फाइलों में संग्रहीत किया जाता है और दूसरा एक सिस्टम से हो

डेटा स्टेजिंग की विभिन्न आवश्यकताएं हैं जो इस प्रकार हैं - उत्पादकता समर्थन - कोड लाइब्रेरी प्रबंधन चेक-इन / चेक-आउट, संस्करण नियंत्रण, और उत्पादन और विकास प्रणाली निर्माण जैसी बुनियादी विकास पर्यावरण क्षमताओं का समर्थन करने के लिए किसी भी प्रणाली को लागू करने का निर्णय लिया गया है। प्रारंभ में, और