Nors abi sritys analizuoja sudėtingus duomenų ryšius, erdvės ir laiko analizė daugiausia dėmesio skiria modeliams, kurie vystosi tiek fizinėje erdvėje, tiek laike. Priešingai, nelaikinė grafų analizė tiria statinę tinklų struktūrinę architektūrą, tokią kaip socialinės hierarchijos ar cheminiai ryšiai, kur ryšių laikas yra mažiau svarbus nei bendra topologija.
Paslėptų modelių, kintančių tiek geografinėse vietose, tiek tam tikruose laiko intervaluose, išgavimo iš duomenų tyrimas.
Tinklo struktūrų analizės metodas, kai pagrindinis dėmesys skiriamas tam, kaip subjektai jungiasi nepriklausomai nuo laiko.
| Funkcija | Erdvinės ir laikinės duomenų gavyba | Nelaikinė grafų kasyba |
|---|---|---|
| Pagrindinis matmuo | Erdvė ir laikas | Ryšys ir topologija |
| Pirminis duomenų objektas | Trajektorijos ir rastriniai tinkleliai | Mazgai, briaunos ir gretimumo matricos |
| Pagrindinis iššūkis | Nuolatinio judėjimo valdymas | Didelio matmens sudėtingumo valdymas |
| Tipinis algoritmas | Paslėpti Markovo modeliai (HMM) | Grafiniai neuroniniai tinklai (GNN) |
| Dinamiška gamta | Labai kintamas ir besivystantis | Statinis arba momentinis vaizdas |
| Bendras tikslas | Būsimos vietos / valstijos numatymas | Struktūrinės įtakos supratimas |
| Vizualinis vaizdavimas | Šilumos žemėlapiai ir srauto keliai | Mazgų jungčių diagramos |
Erdvinės ir laikinės informacijos analizė (angl. Spatio-Temporal Exploring) laiko vietą ir laiką pagrindiniais informacijos šaltiniais, o tai reiškia, kad duomenų taško vertė apibrėžiama pagal tai, kada ir kur jis atsirado. Tačiau nelaikinė grafų analizė santykius nagrinėja kaip abstrakčius ryšius. Grafe du žmonės yra „artimi“, jei juos sieja draugas, net jei jie gyvena priešingose planetos pusėse.
Erdvinių ir laiko duomenų modelių paieška dažnai apima „pulkavimo“ elgsenos arba sezoninių tendencijų paiešką konkrečiuose regionuose. Grafų analizė labiau susijusi su „mazgų“ arba įtakingų tiltų kūrėjų, jungiančių skirtingas tinklo dalis, paieška. Vieni seka judėjimą fizinėje aplinkoje, o kiti braižo sistemos skeletą.
Grafų kasyba dažnai susiduria su „kombinatorinio sprogimo“ problema, kai tinklai išauga iki milijonų mazgų, todėl substruktūroms identifikuoti reikia didžiulės skaičiavimo galios. Erdvinės ir laikinės kasybos atveju gresia „dimensiškumo prakeiksmas“, nes pridėjus laiko sluoksnius žymiai padidėja duomenų, kuriuos reikia sinchronizuoti ir išvalyti prieš pradedant analizę, kiekis.
Jei bandote optimizuoti pristatymo transporto parko maršrutą mieste piko valandomis, jums reikia erdvės ir laiko analizės, kad būtų atsižvelgta į besikeičiantį eismą. Jei esate biologas, bandantis suprasti, kaip konkretus genas veikia kitus stabilios DNR sekos genus, nelaikinė grafų analizė suteikia jums reikalingą struktūrinį žemėlapį.
Grafų kasyba yra tik erdvinės kasybos pogrupis.
Nors erdvinius duomenis galima pavaizduoti kaip grafiką, grafų gavyba daugiausia dėmesio skiria topologijai ir ryšių analizei, kuri dažnai visiškai ignoruoja fizinį atstumą, kad sutelktų dėmesį į loginius ryšius.
Pridėjus laiko žymą prie grafiko, jis tampa erdvės ir laiko analizės objektu.
Vien laiko žyma sukuria „laiko grafiką“. Tikram erdvės ir laiko duomenų analizei reikalingas geografinis arba koordinatėmis pagrįstas komponentas, kuris sąveikauja su tais laiko duomenimis.
Visa GPS duomenų analizė yra erdvės ir laiko analizė.
Pagrindinis GPS registravimas yra tiesiog duomenų rinkimas. Kasimas vyksta tik tada, kai naudojami algoritmai neakivaizdžiams modeliams rasti, pavyzdžiui, numatant kitą vartotojo kelionės tikslą pagal ankstesnį elgesį.
Statinė grafų kasyba yra pasenusi, nes pasaulis yra dinamiškas.
Daugelis sistemų, pavyzdžiui, elektros tinklo ar cheminės molekulės struktūrinis išdėstymas, yra gana stabilios ir suteikia geresnes įžvalgas atliekant statinę analizę, o ne pridedant nereikalingo laiko triukšmo.
Rinkitės erdvės ir laiko duomenų analizę, kai jūsų duomenys apima judėjimą, jutiklius ar geografinius pokyčius laikui bėgant. Rinkitės nelaikinę grafų analizę, jei jums reikia suprasti esminius ryšius ir hierarchijas sudėtingoje, tarpusavyje susijusioje sistemoje.
Astrologinės prognozės susieja dangaus ciklus su žmonių patirtimi siekiant simbolinės reikšmės, o statistinės prognozės analizuoja empirinius istorinius duomenis, kad įvertintų būsimas skaitines vertes. Šiame palyginime nagrinėjamas skirtumas tarp senovinės, archetipais pagrįstos asmeninių apmąstymų sistemos ir modernios, duomenimis pagrįstos metodologijos, naudojamos objektyviam sprendimų priėmimui versle ir moksle.
Šis palyginimas nagrinėja intriguojančią prarają tarp senovinių dangaus stebėjimų ir šiuolaikinės prognozinės analizės. Astrologiniai tranzitai naudoja planetų ciklus asmeninio augimo fazėms interpretuoti, o gyvenimo įvykių tikimybių modeliai remiasi dideliais duomenimis ir statistiniais algoritmais, kad numatytų konkrečius etapus, tokius kaip karjeros pokyčiai ar sveikatos priežiūros poreikiai.
Nors retrospektyvinė analizė veikia kaip organizacijos galinio vaizdo veidrodis, analizuodama istorinius įrašus, kad suprastų praeities sėkmes ir nesėkmes, ateities prognozavimo modeliai žvelgia pro priekinį stiklą, derindami statistinius algoritmus ir mašininį mokymąsi, kad numatytų būsimus rinkos pokyčius, klientų veiksmus ir veiklos kliūtis.
Pasirinkimas tarp aukšto dažnio duomenų ir apibendrintų duomenų yra esminis kompromisas analitikoje. Nors neapdoroti, per sekundę gaunami sandoriai ir jutiklių srautai suteikia neprilygstamą tiesioginio elgesio ir rinkos mikrostruktūrų matomumą, suspausti laiko apibendrinimai pašalina didžiulį statistinį triukšmą ir didelius infrastruktūros poreikius, kad būtų galima atskleisti aiškias, struktūrines ilgalaikes tendencijas.
Pasirinkimas tarp automatinio modelių sekimo ir rankinio eksperimentų sekimo iš esmės lemia duomenų mokslo komandos greitį ir atkuriamumą. Nors automatizavimas naudoja specializuotą programinę įrangą, kad sklandžiai užfiksuotų kiekvieną hiperparametrą, metriką ir artefaktą, rankinis sekimas priklauso nuo žmogaus kruopštumo naudojant skaičiuokles arba „markdown“ failus, todėl reikia rasti griežtą kompromisą tarp sąrankos greičio ir ilgalaikio keičiamo tikslumo.
