Video: Calling All Cars: Desperate Choices / Perfumed Cigarette Lighter / Man Overboard 2025
Una visualizzazione può rappresentare una simulazione (una rappresentazione pittorica di uno scenario ipotetico) nell'analisi predittiva. Puoi seguire una visualizzazione di una previsione con una simulazione che si sovrappone e supporta la previsione. Ad esempio, cosa succede se l'azienda interrompe la produzione del prodotto D? Cosa succede se un disastro naturale colpisce l'ufficio di casa? Cosa succede se i tuoi clienti perdono interesse in un particolare prodotto? È possibile utilizzare la visualizzazione per simulare il comportamento futuro di un'azienda, un mercato, un sistema meteorologico.
Una dashboard è un altro tipo di visualizzazione che è possibile utilizzare per visualizzare un modello analitico predittivo completo. La dashboard ti consente, utilizzando un pulsante di controllo, di modificare qualsiasi passo nella pipeline di analisi predittiva. Ciò può includere la selezione dei dati, la pre-elaborazione dei dati, la selezione di un modello predittivo e la selezione delle giuste versioni di valutazione.
È possibile modificare facilmente qualsiasi parte della pipeline in qualsiasi momento utilizzando il pulsante di controllo sul cruscotto. Un dashboard è un tipo di visualizzazione interattivo in cui è possibile controllare e modificare dinamicamente diagrammi, tabelle o mappe in base agli input che si sceglie di includere nelle analisi che generano tali grafici e grafici.
Almeno una tecnica di analisi predittiva è puramente ispirata al fenomeno naturale del floccaggio degli uccelli. Il modello di storming degli uccelli non identifica solo i raggruppamenti nei dati, ma li mostra in azioni dinamiche. La stessa tecnica può essere utilizzata per visualizzare schemi nascosti nei dati.
Il modello rappresenta gli oggetti dati come uccelli che volano in uno spazio virtuale, seguendo le regole di floccaggio che orchestrano il modo in cui uno sciame migratore di uccelli si muove nella natura.
Rappresentando diversi oggetti dati come uccelli rivela che oggetti dati simili si raggruppano per formare sottoinsiemi (raggruppamenti). La somiglianza tra gli oggetti nel mondo reale è ciò che guida i movimenti degli uccelli corrispondenti nello spazio virtuale. Ad esempio, immagina di voler analizzare i dati online raccolti da diversi utenti di Internet (noti anche come cittadini della rete).
Ogni informazione (ricavata da fonti come le informazioni sugli utenti dei social network e le transazioni online dei clienti) sarà rappresentata come un uccello corrispondente nello spazio virtuale.
Se il modello rileva che due o più utenti interagiscono tra loro tramite e-mail o chat, appaiono nella stessa foto online, acquistano lo stesso prodotto o condividono gli stessi interessi, il modello mostra quei due netizen come uccelli che si affollano insieme, seguendo le regole naturali di floccaggio.
L'interazione (vale a dire quanto gli uccelli rappresentativi si avvicinano l'un l'altro) è espressa come una funzione matematica che dipende dalla frequenza dell'interazione sociale o dall'intensità con cui gli utenti acquistano gli stessi prodotti o condividono gli stessi interessi. Questa ultima funzione matematica dipende esclusivamente dal tipo di analisi che stai applicando.
L'immagine sopra illustra l'interazione su Facebook tra Netizens X e Y nel cyberspazio come spazio virtuale di stormi di uccelli, dove sia X che Y sono rappresentati come uccelli. Poiché i Netizen X e Y hanno interagito l'uno con l'altro, la successiva iterazione di raggruppamento mostrerà i loro due uccelli più vicini.
Un algoritmo noto come "gregge di leader", inventato dal Prof. Anasse Bari e dal Prof. Bellaachia (vedi i seguenti riferimenti), è stato ispirato da una recente scoperta che ha rivelato le dinamiche di leadership nei piccioni. Questo algoritmo può estrarre l'input dell'utente per i punti di dati che consentono di rilevare i leader, scoprire i loro follower e iniziare il comportamento di floccaggio nello spazio virtuale che imita da vicino ciò che accade quando i branchi si formano naturalmente - tranne i greggi, in questo caso sono cluster di dati chiamati < blocchi dati. Questa tecnica non solo rileva pattern nei dati, ma fornisce anche una chiara rappresentazione pittorica dei risultati ottenuti applicando i modelli di analisi predittiva. Le regole che orchestrano il comportamento naturale del floccaggio in natura sono state estese per creare nuove regole di floccaggio conformi all'analisi dei dati:
Omogeneità del gregge di dati:
- I membri del gruppo mostrano somiglianza nei dati. Leadership del gregge di dati:
- Il modello anticipa i leader dell'informazione. Rappresentare un dataset di grandi dimensioni come uno stormo di uccelli è un modo per visualizzare facilmente i big data in un dashboard.
Questo modello di visualizzazione può essere utilizzato per rilevare parti di dati che sono valori anomali, leader o follower. Un'applicazione politica potrebbe essere quella di visualizzare i valori anomali della comunità, i leader della comunità o i seguaci della comunità. Nel campo biomedico, il modello può essere utilizzato per visualizzare genomi e leader anomali tra i campioni genetici di una particolare malattia (per esempio quelli che mostrano una particolare mutazione in modo coerente).
Una visualizzazione di stormi di uccelli può anche essere utilizzata per prevedere modelli futuri di fenomeni sconosciuti nel cyberspazio: disordini civili, un movimento sociale emergente, un lignaggio di un cliente futuro.
La visualizzazione floccaggio è particolarmente utile se stai ricevendo un grande volume di dati in streaming ad alta velocità: puoi vedere la formazione di floccaggio nello spazio virtuale che contiene gli uccelli che rappresentano i tuoi oggetti di dati. I risultati dell'analisi dei dati sono riflessi (letteralmente) al volo nello spazio virtuale. La realtà ha una rappresentazione fittizia, ma osservabile e analiticamente significativa, puramente ispirata alla natura. Tali visualizzazioni possono anche funzionare bene come simulazioni o scenari ipotetici.
Una visualizzazione basata sul comportamento di floccaggio inizia indicizzando ciascun netizen a un uccello virtuale. Inizialmente, tutti gli uccelli sono inattivi.Con l'arrivo dei dati, ogni uccello inizia a floccaggio nello spazio virtuale in base ai risultati di analisi e alle regole di floccaggio.
Tracciamento dei cittadini della rete.
Cosa sta facendo il gregge.
Flock-by-leader suddivide il gruppo.
"Flock di Leader: Un nuovo algoritmo di algoritmo di clustering biologicamente ispirato alle machine learning", IEEE International Conference of Swarm Intelligence, 2012.
- Questo appare anche come capitolo di un libro in
Avanzamenti in Swarm Intelligence, Edizione 2012 - (Springer-Verlag). "SFLOSCAN: un sistema di data mining biologicamente ispirato per l'identificazione della comunità in reti sociali dinamiche", Conferenza internazionale IEEE sull'intelligenza computazionale, 2011 (SSCI 2011), 2011.
