Ulepszony algorytm nauki maszynowej: Du¿a perspektywa danych

¿yjemy w wielkim ¿wiecie danych, w którym olbrzymie dane, jak powód¿, kipi¿ z cäego ¿wiata, aby z¿o¿y¿ jaja Data Ocean. Dane te s¿ fascynuj¿ce, je¿li s¿ odpowiednio traktowane lub s¿ niczym innym jak ¿mieciami. Zwyk¿y algorytm nie jest kompetentny do radzenia sobie z tym zbiorem danych mamuta, poniewä s¿ one zaprogramowane do pracy w oparciu o instrukcje. Obecnie uczenie maszynowe i eksploracja danych zyskuje coraz wi¿ksze uznanie, poniewä sk¿ada si¿ z szerokiego wachlarza solidnych algorytmów, które s¿ zdolne do wydawania du¿ych ilo¿ci danych. G¿ównym celem tej pracy jest rozpoznanie przeszkody w dziäaniu algorytmu klasyfikacyjnego uczenia maszynowego, spowodowanej z¿o¿ono¿ci¿ dodan¿ przez zbiór danych o braku równowagi dla celów szkoleniowych.