প্রথম, কিছু সাবধান
আপনি কেন আপনার পছন্দের প্রোগ্রামিং (উপ) প্যারাডিজম *, ইন্ডুকটিভ লজিক প্রোগ্রামিং (আইএলপি) বা আপনি শ্রেণিবদ্ধ করার চেষ্টা করছেন তা আমি নিশ্চিত নই । আরও বিস্তারিত জানানো সম্ভবত আরও ভাল উত্তর হতে পারে; বিশেষত যেহেতু প্রোগ্রামিং দৃষ্টান্তের সাথে তারা জড়িত তার ভিত্তিতে শ্রেণিবদ্ধকরণ অ্যালগরিদমগুলির নির্বাচনের কাছে যাওয়া সামান্য অস্বাভাবিক as যদি আপনার আসল বিশ্বের উদাহরণটি গোপনীয় হয় তবে কেবল একটি কাল্পনিক-তবে-অ্যানালগাস উদাহরণ তৈরি করুন।
আইএলপি ছাড়াই বড় ডেটা শ্রেণিবিন্যাস
এই বলে যে, আইএলপি প্রত্যাখ্যান করার পরে আমাদের বিবেচনার জন্য আরও 4 টি লজিক প্রোগ্রামিং উপমা রয়েছে:
- Abductive
- উত্তর সেট
- বাধ্যতা
- ক্রিয়ামূলক
লজিক প্রোগ্রামিংয়ের বাইরে কয়েক ডজন উপমা এবং উপ-প্যারাডিমগুলি ছাড়াও ms
উদাহরণস্বরূপ ফাংশনাল লজিক প্রোগ্রামিংয়ের মধ্যে , আইএলপি'র ইনডাকটিভ ফাংশনাল লজিক প্রোগ্রামিং নামক এক্সটেনশন রয়েছে , যা ইনভার্সন সংকীর্ণ (অর্থাত্ সংকীর্ণ ব্যবস্থার বিপরীত) এর উপর ভিত্তি করে। এই পদ্ধতির আইএলপির বেশ কয়েকটি সীমাবদ্ধতা কাটিয়ে উঠেছে এবং ( কিছু পণ্ডিতের মতে, কমপক্ষে ) উপস্থাপনের ক্ষেত্রে প্রয়োগের জন্য যথাযথ উপযুক্ত এবং আরও প্রাকৃতিক উপায়ে সমস্যা প্রকাশ করার সুযোগ সুবিধা রয়েছে।
আপনার ডাটাবেসের সুনির্দিষ্ট বিবরণ এবং আইএলপি ব্যবহারে আপনি যে প্রতিবন্ধকতাগুলির মুখোমুখি হন সেগুলি সম্পর্কে আরও না জানলে আমি বুঝতে পারি না এটি আপনার সমস্যার সমাধান করে বা একই সমস্যার সাথে ভুগছে কিনা I এই হিসাবে, আমি পাশাপাশি সম্পূর্ণ ভিন্ন পদ্ধতির বাইরে ফেলে দেব।
আইএলপি "ক্লাসিকাল" বা ডেটা মাইনিংয়ের ক্ষেত্রে "প্রস্তাবিত" পদ্ধতির সাথে বিপরীত । এই পদ্ধতির মধ্যে সিদ্ধান্ত গাছ, নিউরাল নেটওয়ার্ক, রিগ্রেশন, ব্যাগিং এবং অন্যান্য পরিসংখ্যানগত পদ্ধতিগুলির মতো মেশিন লার্নিংয়ের মাংস এবং হাড়গুলি অন্তর্ভুক্ত। আপনার ডেটা আকারের কারণে এই পদ্ধতিগুলি ছেড়ে দেওয়া পরিবর্তে, আপনি প্রচুর ডেটা বিজ্ঞানী, বিগ ডেটা ইঞ্জিনিয়ার এবং পরিসংখ্যানবিদদের মধ্যে যোগ দিতে পারেন যারা উচ্চতর পারফরম্যান্স কম্পিউটিং (এইচপিসি) ব্যবহার করে এই পদ্ধতিগুলিকে বিশাল ডেটা সেট সহ ব্যবহার করে (সেখানে রয়েছে এছাড়াও নমুনা এবং অন্যান্য পরিসংখ্যান কৌশল আপনি গণনামূলক সম্পদ এবং আপনার রিলেশনাল ডাটাবেসে বিগ ডেটা বিশ্লেষণের জন্য প্রয়োজনীয় সময় হ্রাস করতে ব্যবহার করতে পারেন)।
এইচপিসিতে একাধিক সিপিইউ কোর ব্যবহার করা, উচ্চ মেমরি সহ প্রচুর সংখ্যক দ্রুত সিপিইউ সার্ভারের ইলাস্টিক ব্যবহার সহ আপনার বিশ্লেষণকে স্কেল করা, উচ্চ-পারফরম্যান্সের ডেটা গুদাম সরঞ্জামগুলি ব্যবহার করা, ক্লাস্টারগুলিকে নিয়োগ করা বা সমান্তরাল কম্পিউটিংয়ের অন্যান্য রূপগুলি ইত্যাদি things আমি কোন ভাষা বা পরিসংখ্যান সংক্রান্ত স্যুটটি দিয়ে আপনার ডেটা বিশ্লেষণ করছি তা নিশ্চিত নই, তবে উদাহরণস্বরূপ এই ক্র্যান টাস্ক ভিউতে আর ভাষার জন্য অনেকগুলি এইচপিসি সংস্থান তালিকাভুক্ত করা হয়েছে যা আপনাকে একটি প্রস্তাবিত অ্যালগরিদম স্কেল করার অনুমতি দেয়।