预测未来的大数据

技术在迅速发展，随之而来的是关于社会日常运作的信息。但是，要预测一些模式，需要对数据量进行整理、分析和交叉。这就是所谓的“大数据”的主要功能之一。21世纪的水晶球可以预测对特定医疗的反应。智能建筑的运行甚至是基于某些变量的太阳行为。

科尔多瓦大学计算机科学和数值分析系KIDS研究组的研究人员可以根据同一组输入变量改进多变量同时预测的模型，从而减少预测所需的数据量。精确。这方面的一个例子是根据一系列变量预测与土壤质量有关的一些参数的方法，如种植作物、耕作和使用农药。“当您处理大量数据时，有两种解决方案。你要么提高你的计算机的性能，要么它非常昂贵，要么你减少正确完成这个过程所需的信息量，”研究员塞巴斯蒂安文图拉说。这篇研究文章的作者之一。在建立预测模型时，需要处理两个问题：起作用的变量的数量和输入系统以获得最可靠结果的实例的数量。通过更少的想法，这项研究能够通过消除那些冗余或“嘈杂”的例子来减少例子的数量，因此它不会为创建更好的预测模型贡献任何有用的信息。

正如这项研究的第一作者奥斯卡雷耶斯指出的那样，“我们开发了一种技术，可以告诉你需要哪些例子，这样预测不仅可靠，甚至可能更好。”在一些数据库中，在分析的18个数据库中，它们可以在不影响预测性能的情况下减少80%的信息量，这意味着使用了不到一半的原始数据。雷耶斯说，所有这些“意味着在模型构建中节省能源和资金，因为需要的计算能力更少。”此外，这还意味着节省时间，这对实时工作的应用程序来说是有意义的，因为“如果您需要每五分钟进行一次预测，那么运行半小时的模型就没有任何意义。”正如这项研究的作者所指出的，这些基于几个变量-多输出回归模型-并同时预测多个变量(它们可能彼此相关)的系统在“可以在这种自动学习模式中进行分析”的应用范围中越来越重要，因为它们的范围很广，例如与医疗保健、水质、建筑冷却系统和环境研究有关的应用。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！