AbstractAnalyzing data sets of bill

Abstract
Analyzing data sets of billions of records has
now become a regular task in many companies
and institutions. In the statistical analysis
of those massive data sets, sampling generally
plays a very important role. In this
work, we describe a scalable simple random
sampling algorithm, named ScaSRS, which
uses probabilistic thresholds to decide on the
fly whether to accept, reject, or wait-list an
item independently of others. We prove, with
high probability, it succeeds and needs only
O(
√
k) storage, where k is the sample size.
ScaSRS extends naturally to a scalable stratified
sampling algorithm, which is favorable
for heterogeneous data sets. The proposed algorithms,
when implemented in MapReduce,
can effectively reduce the size of intermediate
output and greatly improve load balancing.
Empirical evaluation on large-scale data sets
clearly demonstrates their superiority

ผลลัพธ์ (ไทย) 1:

บทคัดย่อวิเคราะห์ข้อมูลชุดพันระเบียนได้ตอนนี้ กลายเป็น งานประจำในบริษัทหลายแห่งและสถาบัน ในการวิเคราะห์ทางสถิติชุดข้อมูลที่ขนาดใหญ่ การสุ่มตัวอย่างโดยทั่วไปมีบทบาทสำคัญมาก ในที่นี้งาน เราอธิบายง่ายปรับสเกลที่สุ่มสุ่มตัวอย่างอัลกอริทึม ชื่อ ScaSRS ที่ใช้ probabilistic ขีดจำกัดในการตัดสินใจในการบินว่าจะยอมรับ ปฏิเสธ หรือรายการรอการสินค้าเป็นอิสระจากผู้อื่น เราพิสูจน์ ด้วยความสูง จะสำเร็จ และจำเป็นเท่านั้นO (√k) เก็บ โดยที่ k คือ ขนาดตัวอย่างScaSRS ขยายธรรมชาติเพื่อการปรับสเกล stratifiedสุ่มตัวอย่างอัลกอริทึม ซึ่งเป็นอย่างดีสำหรับชุดข้อมูลที่แตกต่างกัน กระบวนการนำเสนอเมื่อนำมาใช้ใน MapReduceมีประสิทธิภาพสามารถลดขนาดของกลางผลผลิต และปรับสมดุลการประเมินผลบนชุดข้อมูลขนาดใหญ่ปมของพวกเขาที่แสดงให้เห็นอย่างชัดเจน

ผลลัพธ์ (ไทย) 2:

บทคัดย่อชุดข้อมูลการวิเคราะห์ของพันล้านของระเบียนได้ตอนนี้กลายเป็นงานประจำในหลายบริษัทและสถาบันการศึกษา ในการวิเคราะห์ทางสถิติของชุดข้อมูลขนาดใหญ่เหล่านั้นสุ่มตัวอย่างโดยทั่วไปมีบทบาทที่สำคัญมาก ในการนี้การทำงานของเราจะอธิบายสุ่มปรับขนาดได้ง่ายขั้นตอนวิธีการสุ่มตัวอย่างScaSRS ชื่อที่ใช้น่าจะเป็นเกณฑ์ในการตัดสินใจในทันทีว่าจะยอมรับปฏิเสธหรือรอรายการรายการอิสระของคนอื่นๆ เราพิสูจน์ได้ว่ามีความน่าจะเป็นสูงก็ประสบความสำเร็จและต้องการเพียงO (√ k) การจัดเก็บข้อมูลที่ k คือขนาดของกลุ่มตัวอย่าง. ScaSRS ขยายตามธรรมชาติที่สามารถปรับขนาดได้แบ่งชั้นขั้นตอนวิธีการสุ่มตัวอย่างซึ่งเป็นที่ดีสำหรับชุดข้อมูลต่างกัน ขั้นตอนวิธีการที่นำเสนอเมื่อนำมาใช้ใน MapReduce, ได้อย่างมีประสิทธิภาพสามารถลดขนาดของกลางส่งออกและช่วยปรับปรุงสมดุลภาระ. การประเมินผลเชิงประจักษ์ในชุดข้อมูลขนาดใหญ่ได้อย่างชัดเจนแสดงให้เห็นถึงความเหนือกว่าของพวกเขา

ผลลัพธ์ (ไทย) 3:

นามธรรม
การวิเคราะห์ชุดข้อมูลเป็นข้อมูลที่มีตอนนี้กลายเป็นงานปกติ

ในหลาย บริษัท และสถาบัน ในการวิเคราะห์ทางสถิติของข้อมูลชุดใหญ่

) โดยทั่วไป , เล่นบทบาทสำคัญมาก ในงานนี้

เราอธิบายยืดหยุ่นแบบง่ายตัวอย่างอัลกอริทึมชื่อ scasrs ซึ่งใช้เกณฑ์การตัดสิน

บินว่า จะยอมรับ ปฏิเสธหรือรอรายการ
รายการอิสระของผู้อื่น เราพิสูจน์ด้วย
ความน่าจะเป็นสูง มันสำเร็จและความต้องการเท่านั้น
o
√
K ) กระเป๋าที่ k คือขนาดตัวอย่าง .
scasrs ขยายเพื่อแบ่งขั้นตอนวิธีได้อย่างเป็นธรรมชาติ
) ซึ่งเป็นมงคล
สำหรับชุดข้อมูลที่แตกต่างกัน เสนอขั้นตอนวิธีที่ใช้ใน mapreduce

เมื่อ , ได้อย่างมีประสิทธิภาพสามารถลดขนาดกลาง
ผลผลิตและปรับปรุงความสมดุลโหลด

ชุดการประเมินเชิงประจักษ์ที่ชัดเจนแสดงให้เห็นถึงความเหนือกว่าของพวกเขาขนาดใหญ่ข้อมูล