Rumah Kewangan Peribadi Cara Memohon Sebarang Kerangka Koloni dalam Analisis Predictive - dummies

Cara Memohon Sebarang Kerangka Koloni dalam Analisis Predictive - dummies

Video: risk and return portofolio - mankeu 2025

Video: risk and return portofolio - mankeu 2025
Anonim

Satu contoh semulajadi kumpulan penganjur diri yang boleh anda gunakan dalam tingkah laku analisis ramalan adalah tanah jajahan yang memburu makanan. Semut-semut secara kolektif mengoptimumkan trek mereka supaya sentiasa mengambil laluan terpendek yang mungkin untuk sasaran makanan.

Sekalipun anda cuba mengganggu koloni semut yang berarak dan menghalang mereka daripada mencapai sasaran makanan, mereka dapat kembali ke landasan dengan cepat dan (lagi) mencari jalan terpendek yang mungkin untuk sasaran makanan, semuanya menghindari halangan yang sama sambil mencari makanan. Keseragaman tingkah laku ini adalah mungkin kerana setiap semut menyimpan jejak feromon di atas tanah.

Pertimbangkan tentera semut terbiar dalam sarang mereka. Apabila mereka mula mencari makanan, mereka tidak mempunyai maklumat tentang tempat untuk mencarinya. Mereka berarak secara rawak sehingga semut individu mencari makanan; kini semut bertuah (memanggilnya Semut X) perlu menyampaikan penemuannya kepada seluruh semut - dan untuk melakukan itu, ia mesti mencari jalan kembali ke sarangnya.

Untungnya, Ant X menghasilkan pheromone sendiri sepanjang masa ia mencari makanan; ia boleh mengikuti jejak feromonnya sendiri kembali ke sarangnya. Dalam perjalanan kembali ke sarang, mengikuti jejak pheromone sendiri, Ant X meletakkan lebih banyak feromon pada jejak yang sama.

Akibatnya, aroma pada jejak Ant X akan menjadi yang paling kuat di kalangan semua laluan semut lain. Jejak pheromone yang paling kuat akan menarik semua semut lain yang masih mencari makanan. Mereka akan mengikuti bau yang paling kuat. Semakin banyak semut menyertai jejak Ant X, mereka menambah lebih banyak feromon untuknya; bau menjadi lebih kuat. Tidak lama lagi, semua semut lain mempunyai aroma yang kuat untuk diikuti.

Jika beberapa semut telah menemui sumber makanan yang sama, semut yang mengambil jalan terpendek akan melakukan lebih banyak perjalanan dibandingkan dengan semut yang mengikuti jalan yang lebih panjang - maka semakin banyak feromon akan dihasilkan pada jalan terpendek. Hubungan antara tingkah laku individu dan kolektif adalah contoh semula jadi yang mencerahkan.

Setiap titik mewakili dokumen. Anggapkan bahawa titik hitam adalah dokumen mengenai analisis ramalan dan titik putih adalah dokumen mengenai antropologi. Titik yang mewakili pelbagai jenis dokumen diedarkan secara rawak dalam grid lima sel.

"Semut" digerakkan secara rawak dalam grid untuk mencari dokumen yang serupa. Setiap sel dengan nilai di dalamnya mewakili satu contoh "pheromone. "Menggunakan matriks dokumen, nilai" pheromone "setiap sel dikira dari dokumen yang sepadan.

Baiklah, bagaimanakah kecerdasan koloni koloni menghasilkan satu model untuk mengumpulkan data dengan berkesan? Jawapannya terletak pada analogi yang mudah: Semut mencari makanan di persekitaran mereka, seperti yang kita cari kumpulan dalam dataset - mencari dokumen yang serupa dalam satu set dokumen yang besar.

Pertimbangkan satu set data dokumen yang anda ingin sediakan mengikut topik. Dokumen serupa akan dikumpulkan dalam kumpulan yang sama. Di sinilah koloni semut boleh memberikan petunjuk tentang bagaimana untuk mengelompokkan dokumen yang serupa.

Bayangkan grid dua dimensi (2D) di mana anda boleh mewakili dokumen sebagai titik. Grid 2D dibahagikan kepada sel. Setiap sel mempunyai "pheromone" (nilai) yang berkaitan dengannya. Secara ringkas, nilai "pheromone" membezakan setiap dokumen dalam sel yang diberikan.

Titik pada awalnya diedarkan secara rawak - dan setiap titik dalam grid mewakili dokumen unik. Langkah seterusnya adalah dengan menggunakan titik lain secara rawak pada grid 2D, mensimulasikan pencarian koloni semut untuk makanan di persekitarannya. Titik-titik tersebut pada awalnya bertaburan dalam grid 2D yang sama dengan dokumen-dokumen.

Setiap titik baru ditambah pada grid mewakili semut. Mereka "semut," yang sering disebut dalam algoritma semut koloni sebagai agen , bergerak di grid 2D. Setiap "semut" akan sama ada mengambil atau menurunkan titik-titik lain (dokumen), bergantung di mana dokumen menjadi milik terbaik. Dalam analogi ini, "makanan" mengambil bentuk dokumen dengan cukup sama supaya mereka boleh dikelompokkan.

Sebuah "semut" berjalan secara rawak dalam grid; jika ia menemui dokumen, ia boleh melakukan salah satu daripada dua tindakan: memilih atau jatuhkan. Setiap sel mempunyai "intensiti pheromone" yang menunjukkan bagaimana dokumen itu serupa dengan dokumen-dokumen lain (titik-titik) yang tinggal di dekat dokumen yang dipersoalkan - yang satu "semut" akan sama ada mengambil atau menjatuhkan.

Perhatikan bahawa "semut" dalam Sel 3 akan mengambil dokumen berwarna hitam kerana nilai "pheromone" putih menguasai; dan bergerak ke sel di mana nilai itu hampir (mirip) dengan apa yang ada di Cell 4 (beberapa titik hitam). Carian itu terus bergerak sehingga bentuk klaster.

Sebenarnya, "semut" memindahkan dokumen dari satu sel ke sel yang lain untuk membentuk kelompok dengan melakukan salah satu daripada hanya dua tindakan: mengambil dokumen atau menjatuhkan dokumen.

Apabila "semut" mula bergerak secara rawak di atas grid, menemui hasil dot (dokumen) dalam "semut" yang mengambil dokumen dari sel semasa, bergerak dengannya, dan menjatuhkannya ke dalam sel di mana ia kesamaan yang cukup untuk dimuatkan.

Bagaimanakah "semut" menentukan sel yang terbaik untuk menjatuhkan dokumen? Jawapannya adalah bahawa nilai dalam sel bertindak seperti "feromon" - dan setiap sel dalam grid 2D mengandungi nilai berangka yang boleh dikira dengan cara yang mewakili suatu dokumen dalam sel.

Ingat bahawa setiap dokumen diwakili sebagai satu set nombor atau vektor nilai berangka. "Keamatan pheromone" (nilai berangka) meningkat apabila lebih banyak dokumen dijatuhkan ke dalam sel - dan nilai itu berkurang jika nombor yang mewakili dokumen dipindahkan keluar dari sel.

Cara Memohon Sebarang Kerangka Koloni dalam Analisis Predictive - dummies

Pilihan Editor

Bagaimana Mengenali Ulasan Blog Spam - dummies

Bagaimana Mengenali Ulasan Blog Spam - dummies

Spam! Di mana-mana, bersembunyi di dalam peti masuk e-mel anda, menunggu untuk menerkam pada klik yang tidak disyaki. Ia juga digantung di blog anda, bersembunyi di dalam komen - anda mungkin tidak akan melepaskannya! Mujurlah, anda boleh memperlahankan aliran mesej spam dan juga menyekat sebahagian besar daripada muncul di blog anda. Kali pertama ...

Cara Daftar Domain Blog Anda dengan Web Host - dummies

Cara Daftar Domain Blog Anda dengan Web Host - dummies

Mendaftarkan domain blog proses mudah. Pertama, gunakan pendaftar domain untuk membeli nama anda. Selepas anda memiliki nama itu, anda hanya perlu menunjukkan domain baru anda di host web anda. Proses ini pada asasnya melibatkan memberitahu pendaftar domain anda yang pelayan web tapak web anda dihidupkan; syarikat hosting atau domain web anda ...

Bagaimana Menanggapi Tuduhan Penapisan dalam Komuniti Dalam Talian Anda - para pemilik

Bagaimana Menanggapi Tuduhan Penapisan dalam Komuniti Dalam Talian Anda - para pemilik

Setiap komuniti mempunyai hak untuk membuat dan menguatkuasakan peraturan yang mereka mahukan. Ia bukan penapisan untuk menghilangkan pautan atau komentar spam yang menggunakan kata-kata tidak senonoh atau kasar; ia menghormati seluruh komuniti serta mereka yang menjadi tuan rumah masyarakat. Anda tidak menyekat idea atau bahkan pemikiran ...

Pilihan Editor

Bagaimana Membuat Pembina di Python - dummies

Bagaimana Membuat Pembina di Python - dummies

Pembina adalah jenis khas kaedah yang dipanggil Python ia menamakan objek dengan menggunakan definisi yang terdapat dalam kelas anda. Python bergantung kepada pembina untuk melaksanakan tugas seperti memulakan (memberikan nilai kepada) sebarang pemboleh ubah contoh yang diperlukan oleh objek semasa ia bermula. Pembina juga boleh mengesahkan bahawa terdapat ...

Cara Membuat dan Menggunakan Kamus dalam Python - dummies

Cara Membuat dan Menggunakan Kamus dalam Python - dummies

Dengan Python, mencipta dan menggunakan kamus Sama seperti bekerja dengan senarai, kecuali anda kini perlu menentukan pasangan kunci dan nilai. Berikut adalah peraturan khas untuk membuat kunci: Kunci mestilah unik. Apabila anda memasukkan kekunci pendua, maklumat yang terdapat dalam entri kedua akan menang - ...

Pilihan Editor

Mengenali Momen Terbaik Kehidupan Anda untuk Mencapai Aliran dan Kebahagiaan - mimpi

Mengenali Momen Terbaik Kehidupan Anda untuk Mencapai Aliran dan Kebahagiaan - mimpi

Kebahagiaan mengenai detik-detik yang tidak dapat dilupakan dalam kehidupan. Oleh itu, jika anda diminta mengenal pasti sepuluh momen terbaik dalam hidup anda, bolehkah anda melakukannya? Jika sukar untuk anda, itu kerana anda tidak mempunyai banyak "momen terbaik" atau kerana sudah lama sejak anda mempunyai satu yang anda tidak boleh ...

Mencari penyelesaian Win-Win untuk menjadi bahagia di tempat kerja - dummies

Mencari penyelesaian Win-Win untuk menjadi bahagia di tempat kerja - dummies

Orang bahagia akan cuba mencari penyelesaian menang-menang di tempat kerja. Semua jenis kerja tidak dapat dielakkan melibatkan konflik. Mengapa? Kerana orang yang bekerja bersama satu sama lain sama ada berusaha untuk mencapai matlamat yang sama - pengiktirafan dan kemajuan - atau mereka mempunyai pandangan yang berbeza tentang bagaimana perkara harus dilakukan di tempat kerja. Yang ...

Hubungan Meningkatkan Kualiti Keseluruhan Kehidupan - makmies

Hubungan Meningkatkan Kualiti Keseluruhan Kehidupan - makmies

Dalam hubungan yang sihat, kualiti keseluruhan hidup anda bertambah baik . Anda berkembang sebagai orang kerana pasangan anda dalam hubungan memberikan anda sokongan yang anda perlukan untuk mengambil lebih banyak risiko dan menghadapi lebih banyak cabaran. Hubungan yang sihat membantu anda merasakan baik diri anda, orang lain, dan kehidupan anda. Ia membolehkan anda kebebasan ...