メモリベースの推論のアプリケーションは何ですか？
以前から適切な例を特定する能力に基づいて、経験から推論する人間の能力。感染を診断する医師、不正な保険物件にフラグを立てるクレームアナリスト、およびモレルを指差すキノコ狩りも同じ手順に従います。
それぞれが最初に経験から同じケースを認識し、次にそれらの方法に関する知識を目前の問題に使用します。これは、メモリベースの推論の重要性です。既知のデータのデータベースを検索して、新しいデータと同じ事前分類されたレコードを検出します。これらのネイバーは、分類と計算に使用されます。
不正検出 −詐欺の新しいケースは、既知のケースと同じです。 MBRはそれらを検出してフラグを立て、さらに調査することができます。
顧客の反応予測 −オファーに応答する可能性が高い次の顧客は、承認した以前の顧客とおそらく同じです。 MBRは、次に見込みのある顧客を簡単に認識できます。
治療 −特定の患者に対する効率的な治療は、同じ患者に対して最良の結果をもたらした治療である可能性があります。 MBRは、最良の結果をもたらす治療法を見つけることができます。
回答の分類 −職業と市場に関する米国国勢調査フォームの回答、またはユーザーからの苦情を含むフリーテキストの回答は、固定された一連のコードに分類する必要があります。 MBRはフリーテキストを処理し、コードを作成できます。
MBRの強みは、情報を使用できることです。いくつかのデータマイニング方法とは異なり、データの構造は関係ありません。 2つの操作の継続のみを考慮します。2つのデータ間の距離を計算できる距離関数と、複数の隣接データの結果をマージして回答に表示できる組み合わせ関数です。
これらの関数は、地理的領域、画像、フリーテキストなど、他の分析手法では管理が一般的に複雑な複雑または異常なデータタイプのレコードなど、いくつかのタイプのレコードに対して定義されています。
MBRの2つ目の強みは、変更できることです。新しいレコードを履歴データベースに組み込むだけで、MBRが新しい要素と以前の要素の新しい定義について理解できるようになります。 MBRはまた、トレーニングや受信情報を適切な形式にマッサージすることに長い時間を費やすことなく、最良の結果をもたらします。
-
パターンマイニングのアプリケーションは何ですか？
パターンマイニングには、次のようなさまざまなアプリケーションがあります- パターンマイニングは、一般に、いくつかのデータ集約型アプリケーションでの前処理として、ノイズフィルタリングとデータクリーニングに使用されます。たとえば、数万の次元（たとえば、遺伝子の記述）を含むマイクロアレイデータを探索するために使用できます。 パターンマイニングは、データに隠された固有のメカニズムとクラスターの発見を提供します。たとえば、DBLPデータセットを考えると、頻繁なパターンマイニングでは、共著者クラスター（一般的に共同作業を行う著者を決定する）や会議クラスター（複数の著者と用語の共有を決定する）などの興味
-
データの整合性の種類は何ですか？
データベースの整合性は、格納された情報の有効性と整合性を定義します。整合性は、一般に、データベースが違反することを許可されていない整合性ルールである制約の観点から定義されます。制約は、各属性に適用することも、テーブル間の関係に適用することもできます。 整合性制約により、許可されたユーザーがデータベースに加えた変更（更新の削除、挿入）によってデータの整合性が失われることはありません。したがって、整合性制約はデータベースへの偶発的な損傷を防ぎます。 データの整合性には、次のようなさまざまなタイプがあります- 論理的整合性 −リレーショナルデータベースでは、論理的な一貫性により、いくつかの