大數據可以用來預測未來

科技正突飛猛進，社會日常運作的信息也隨之突飛猛進。然而，需要對數據量進行組織、分析和交叉，以預測某些模式。這是「大數據」(Big Data)的主要功能之一。「大數據」是21世紀的一個水晶球，能夠預測特定醫療條件下的反應、智能建築的運行情況，甚至是基於某些變數的太陽行為。

科爾多瓦大學研究人員能夠改進基於同一組輸入變數同時預測多個變數的模型，從而減少預測所需數據的大小。其中一個例子是一種方法，它根據作物種植、耕作和殺蟲劑使用等一系列變數預測與土壤質量相關的幾個參數。在處理大量數據時，有兩種解決方案。要麼提高電腦的性能(這是非常昂貴的)，要麼就減少了正確完成這一過程所需的信息量。

在構建預測模型時，有兩個問題需要處理:發揮作用的變數數量和系統中獲得最可靠結果的示例數量。有了「少即是多」的理念，這項研究已經能夠通過消除那些冗餘或「嘈雜」的例子來減少例子的數量，因此對於創建更好的預測模型沒有任何有用的信息。正如該研究的主要作者奧斯卡?雷耶斯(Oscar Reyes)所指出的那樣:「我們開發了一種技術，可以告訴你需要哪組例子，這樣預測不僅可靠，甚至可能更好。」在一些被分析的18個資料庫中，他們能夠在不影響預測性能的情況下減少80%的信息量，這意味著使用的原始數據不到一半。Reyes說，所有這些都「意味著在構建模型時節省能源和金錢，因為需要更少的計算能力。」此外，它還意味著節省時間，這對於實時工作的應用程序來說很有趣，因為「如果每隔5分鐘就需要進行一次預測，那麼模型運行半個小時是沒有意義的。」

研究的作者指出,這些系統,同時預測多個變數(這可能與另一個),基於多變數(稱為多輸出回歸模型,——是獲得更顯著的重要性由於廣泛的應用程序」可以分析範式下的自動學習,「例如等相關醫療、水質、冷卻系統為建築與環境研究。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！