แอปพลิเคชั่นของการใช้เหตุผลตามหน่วยความจำคืออะไร?

ความสามารถของมนุษย์ในการให้เหตุผลจากประสบการณ์โดยพิจารณาจากความสามารถในการระบุตัวอย่างที่เหมาะสมจากก่อนหน้านี้ แพทย์ที่วินิจฉัยการติดเชื้อ นักวิเคราะห์อ้างว่าตั้งค่าสถานะทรัพย์สินประกันที่ฉ้อฉล และนักล่าเห็ดชี้มอเรลส์กำลังปฏิบัติตามขั้นตอนเดียวกัน

แต่ละคนรับรู้กรณีเดียวกันจากประสบการณ์แล้วใช้ความรู้เกี่ยวกับวิธีการเหล่านั้นกับปัญหาในมือ นี่คือความสำคัญของการใช้เหตุผลตามหน่วยความจำ ฐานข้อมูลของข้อมูลที่ทราบจะถูกค้นหาเพื่อค้นหาเร็กคอร์ดที่จัดประเภทไว้ล่วงหน้าเหมือนกับข้อมูลใหม่ เพื่อนบ้านเหล่านี้ใช้สำหรับการจำแนกประเภทและการคำนวณ

มีแอปพลิเคชันต่างๆ ของการใช้เหตุผลตามหน่วยความจำซึ่งมีดังต่อไปนี้ -

การตรวจจับการฉ้อโกง − คดีฉ้อโกงรูปแบบใหม่ก็เหมือนกับคดีที่ทราบกันดีอยู่แล้ว MBR สามารถค้นพบและตั้งค่าสถานะสำหรับการตรวจสอบเพิ่มเติม

การคาดคะเนการตอบกลับของลูกค้า − ลูกค้ารายต่อไปที่น่าจะตอบสนองต่อข้อเสนอนั้นอาจจะเป็นแบบเดียวกันกับลูกค้ารายก่อนๆ ที่รับทราบแล้ว MBR สามารถจดจำลูกค้าที่มีแนวโน้มถัดไปได้

การรักษาพยาบาล − การรักษาที่มีประสิทธิภาพสำหรับผู้ป่วยรายหนึ่งเป็นไปได้การรักษาที่ให้ผลลัพธ์ที่ดีที่สุดสำหรับผู้ป่วยรายเดียวกัน MBR สามารถค้นพบการรักษาที่ให้ผลลัพธ์ที่ดีที่สุด

จำแนกคำตอบ − คำตอบแบบข้อความอิสระ รวมถึงแบบฟอร์มสำมะโนของสหรัฐอเมริกาสำหรับอาชีพและตลาดหรือข้อร้องเรียนที่ปรากฏจากผู้ใช้ จำเป็นต้องจัดประเภทเป็นชุดรหัสตายตัว MBR สามารถประมวลผลข้อความอิสระและสร้างรหัสได้

จุดแข็งของ MBR คือความสามารถในการใช้ข้อมูล ต่างจากวิธีการขุดข้อมูลหลายวิธีตรงที่ไม่สนใจโครงสร้างของข้อมูล มันสนใจเฉพาะความต่อเนื่องของการดำเนินการสองอย่างเท่านั้น:ฟังก์ชันระยะทางที่สามารถคำนวณระยะห่างระหว่างข้อมูลสองรายการและฟังก์ชันผสมที่สามารถรวมผลลัพธ์จากเพื่อนบ้านหลาย ๆ ตัวเพื่อแสดงคำตอบได้

ฟังก์ชันเหล่านี้กำหนดไว้สำหรับเร็กคอร์ดหลายประเภท เช่น บันทึกที่มีประเภทข้อมูลที่ซับซ้อนหรือผิดปกติ รวมถึงพื้นที่ทางภูมิศาสตร์ รูปภาพ และข้อความอิสระที่โดยทั่วไปแล้วจะซับซ้อนในการจัดการด้วยเทคนิคการวิเคราะห์อื่นๆ

จุดแข็งประการที่สองของ MBR คือความสามารถในการปรับเปลี่ยน การรวมบันทึกใหม่เข้ากับฐานข้อมูลในอดีตทำให้ MBR สามารถเข้าใจองค์ประกอบใหม่และคำจำกัดความใหม่ขององค์ประกอบก่อนหน้าได้ MBR ยังให้ผลลัพธ์ที่ดีที่สุดโดยไม่ต้องทุ่มเทให้กับการฝึกอบรมหรือนวดข้อมูลที่เข้ามาในรูปแบบที่ถูกต้องเป็นเวลานาน

ประโยชน์เหล่านี้มีค่าใช้จ่าย MBR มีอิทธิพลต่อการเป็นหมูทรัพยากรเนื่องจากควรมีบันทึกทางประวัติศาสตร์จำนวนมากสำหรับการค้นพบเพื่อนบ้าน การจัดประเภทข้อมูลใหม่อาจจำเป็นต้องประมวลผลข้อมูลในอดีตทั้งหมดเพื่อค้นหาเพื่อนบ้านที่คล้ายกันมากที่สุด ซึ่งเป็นกระบวนการที่ช้ากว่าการใช้โครงข่ายประสาทเทียมที่ได้รับการฝึกมาแล้วหรือแผนผังการตัดสินใจที่สร้างไว้แล้ว นอกจากนี้ยังมีความยากในการค้นหาฟังก์ชันระยะทางและการผสมผสานที่ดี ซึ่งจำเป็นต้องมีการลองผิดลองถูกและสัญชาตญาณเล็กน้อย