datav数据可视化工具 阿里云datav数据可视化( 四 )


自动化数据建模由于数据规模、模型数量、模型搜索与训练所耗费计算资源增加,意味着产品需要更强的技术支持 。美国机器学习公司DataRobot建立比较各种算法的云服务产品DataRobot Enterprise,使用大规模并行处理来训练和评估R、Python、Spark MLlib、H2O和其他开源库中的1000个模型 。同时,Skytree公司的服务器是首款针对一般目标而设计的机器学习和高级分析引擎,旨在准确地处理大量数据集 。
自动化数据建模最理想的状态是一个端到端的过程,即用户输入数据集,自动化数据建模系统输出待解决问题的结果,不仅覆盖了数据建模的各个环节,也保证了各环节的连通性和一致性 。2019年,MIT的研究员发表了题为《用于自动数据建模的贝叶斯合成概率程序》(Bayesian Synthesis of Probabilistic Programs for Automatic Data Modeling)的论文,旨在使用贝叶斯推理,对大量的计算机程序进行取样,并对每个程序的可能性进行评分,以此作为处理想要研究的数据的可能解决方案,最终让计算机程序找到正确的程序完成给定数据集的所有分析工作 。
2.3 情景感知
情景(Context),也称情境、上下文,是指用于描述一个实体所处状态的任何信息,包括实体的位置、时间、周围环境、活动和偏好等[21] 。情景感知(Contextaware)指无论使用桌面计算机还是移动设备普适计算环境中使用情景的应用[22] 。这意味着计算机资源分布在生活中,并自主采集用户的情景数据,进而使计算机实现在用户不发出服务请求的情况下自主判断何时提供以及提供何种服务,简化了用户和网络的交互,提升了用户体验[23]。
情景感知概念在网络技术、通信技术、计算机技术和计算机应用迅猛发展的背景下诞生,最初应用于制造业、电子商务、农业等行业,其主要用户对象为传统大型企业 。在大数据时代,数据实时采集处理等大数据技术、人机交互和计算机视觉等计算机技术、机器学习算法均得到了大幅度提升,逐步实现了“现实世界”到“虚拟世界”的映射,并依赖即时的计算机资源完成计算 。在数字政府和企业数字化转型的背景下,情境感知的服务对象覆盖了政府以及中小企业 。同时,物联网、人工智能、虚拟现实等应用场景的丰富,使个人用户成为了情境感知技术的受益者 。
情景感知的核心技术包括情景数据动态采集技术、情景数据建模技术、情景推理技术 。
情景数据分布于虚拟环境与实际环境中,分别对应不同的动态采集技术 。虚拟环境(如互联网)中的情景数据包括用户的搜索、点击、浏览、下载、复制、上传、评论等行为[21],实际环境中的情景数据包括温度、湿度、气压、距离、GPS等 。如何准确地获取、描述用户的动态情景信息是情景数据实时采集的关注问题之一 。虚拟环境中的情景数据可以从服务器端或应用软件中采集,实际环境中的情景数据可以从传感器采集,为了提升数据采集的时效性和准确性,也采用多传感器协同感知的手段 。
情景数据建模指通过对多源采集的情景数据进行统一模型加工,使其具有一致的形式和语义,以提升情景数据的融合和情景推理的效率 。情景数据建模不同于数据分析挖掘中的数据建模,前者的关注点在于如何将多源异构数据存储至数据库或数据仓库中,后者的关注点在于如何构建符合应用场景需求的数学模型以完成情景推理 。情景数据建模的方法包括键-值对模型、模式标识模型、图形模型、面向对象模型、逻辑模型和本体模型等 。在不同的情景感知场景下,可选取合适的一种或多种情景数据建模方法,如社会情景建模多采用基于图形的和基于本体的建模方法[24]。


以上关于本文的内容,仅作参考!温馨提示:如遇健康、疾病相关的问题,请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容,希望对您有所帮助: