Yazar
Astekin, M., Zengin, H., Sözer, Hasan
Basım Tarihi
2018
Basım Yeri
-
IEEE
Konu
Log analizi, Dağıtık sistemler, Paralel işleme, Anormallik tespiti, Büyük veri, Makine öğrenimi
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
978-153865035-6
Kayıt Numarası
9d1d1493-2379-40d2-9e1b-8af75e88c82e
Lokasyon
Bilgisayar Bilimi
Tarih
2018
Notlar
TÜBİTAK-BİLGEM Bulut Bilişim ve Büyük Veri Laboratuvarı (B3LAB); Özyeğin Üniversitesi Yazılım Araştırma Laboratuvarı (SRL)
Örnek Metin
Anormallik tespiti, büyük ölçekli, dağıtılmış sistemlerdeki hataları tespit etmek ve teşhis etmek için değerli bir özelliktir. Bu sistemler genellikle bu amaç için kullanılabilecek on milyonlarca satırlık günlük sağlar. Ancak geleneksel makine öğrenimi algoritmalarının merkezi uygulamaları bu verileri ölçeklenebilir bir şekilde analiz etmekte yetersiz kalıyor. Bu zorluğun üstesinden gelmenin bir yolu, diğer dağıtılmış sistemler tarafından oluşturulan çok büyük miktardaki günlükleri analiz etmek için dağıtılmış sistemleri kullanmaktır. Bu amaçla iki denetimsiz makine öğrenimi algoritmasını bir kıyaslama veri kümesinde değerlendirmek için bir örnek olay çalışması gerçekleştirdik. Özellikle PCA ve K-means algoritmalarının dağıtılmış uygulamalarını değerlendirdik. Bu algoritmaların doğruluğunu ve performansını hem birbirlerine hem de merkezi uygulamalarına göre karşılaştırdık. Sonuçlar, dağıtılmış sürümlerin, merkezi sürümleriyle karşılaştırıldığında aynı doğruluğu elde edebildiğini ve büyük siparişlerde performans artışı sağlayabildiğini gösterdi. Paralellik derecesi arttıkça ikisi arasındaki farkın azalma eğiliminde olduğunu gözlemlesek de PCA'nın performansının K-ortalamalarından daha iyi olduğu ortaya çıktı.
DOI
10.1109/BigData.2018.8621967
