Filtrado de ruido para análisis de Big Data

Título original:

Noise Filtering for Big Data Analytics

Contenido del libro:

Este libro explica cómo realizar el de-noising de datos, a gran escala, con un nivel de precisión satisfactorio. Se consideran tres cuestiones principales.

En primer lugar, cómo eliminar la propagación de errores de una etapa a las siguientes mientras se desarrolla un modelo filtrado. En segundo lugar, cómo mantener la importancia posicional de los datos mientras se depuran. Por último, la conservación de la memoria en los datos es crucial para extraer datos inteligentes de big data ruidosos.

Si, tras la aplicación de cualquier forma de suavizado o filtrado, la memoria de los datos correspondientes cambia mucho, entonces los datos finales pueden perder alguna información importante. Esto puede llevar a conclusiones erróneas o equivocadas.

Pero, al prever cualquier pérdida de información debida al suavizado o filtrado, no se puede evitar el proceso de eliminación de ruido, ya que, por otra parte, cualquier tipo de análisis de big data en presencia de ruido puede ser engañoso. Así pues, todo el proceso exige una ejecución muy cuidadosa con modelos eficientes e inteligentes para poder tratarlo con eficacia.