KATTA HAJMDAGI MA’LUMOTLARDA TOZALASH VA NORMALLASHTIRISH ALGORITMLARINING SAMARADORLIGI
;
Katta hajmdagi ma'lumotlar, Ma'lumotlarni tozalash, Ma'lumotlarni normallashtirish, Yetishmayotgan qiymatlar, Takrorlanishlarni bartaraf etish, Anomaliyalarni aniqlash, Min-Max normallashtirish, Z-score normallashtirish, Log transformatsiyasi, Robust Scaling, MaxAbs Scaling, Mashinaviy o'rganish, Parallel hisoblash, Apache Spark, Hadoop, k-NN algoritmi, Isolation Forest, Ma'lumot sifati, Masshtablilik, AutoML, Real vaqtda ishlov berishAbstrak
Katta hajmdagi Ma’lumotlar (Big Data) zamonaviy axborot texnologiyalari sohasida muhim o‘rin tutmoqda. Ushbu Ma’lumotlarning hajmi, xilma-xilligi va tezkor o‘sishi (Volume, Variety, Velocity) tahlil jarayonlarida yuqori sifatli Ma’lumotlarni talab qiladi. Ma’lumotlarning sifati to‘g'ridan-to‘g'ri tahlil natijalarining aniqligiga ta'sir qiladi. Ma’lumotlarni tozalash (data cleaning) va normallashtirish (data normalization) jarayonlari Ma’lumotlar sifatini oshirishning asosiy vositalaridir. Ushbu maqola katta hajmdagi Ma’lumotlarda tozalash va normallashtirish algoritmlarining samaradorligini kengroq tahlil qiladi, ularning afzalliklari, kamchiliklari, amaliy qo‘llanilishi va kelajakdagi rivojlanish istiqbollarini ko‘rib chiqadi.
Iqtiboslar
Rahmati, M., & Kabir, E. (2023). Big Data Cleaning Techniques. Journal of Data Science.
Han, J., Kamber, M., & Pei, J. (2021). Big Data Mining and Analytics. Elsevier.
Apache Spark Documentation. (https://spark.apache.org/)
Goodfellow, I., Bengio, Y., & Courville, A. (2020). Deep Learning. MIT Press.
Aggarwal, C. C. (2022). Data Mining: The Textbook. Springer.
