Глоссарий

Алгоритм машинного обучения можно назвать масштабируемым, если его вычислительные затраты растут прямо пропорционально увеличению объема обрабатываемых данных, т.е. при увеличении объема данных в 2 раза число вычислительных операций также увеличивается в 2 раза.  Кроме того, в аналитических технологиях масштабируемость предполагает следующие свойства алгоритма:

1. Однопроходность – алгоритм должен использовать не более одного прохода БД, при этом желательно досрочно завершать проход.
2. Возможность отсечения по времени – алгоритм должен быть способен выдать наилучшее на данный момент решение в любое время, даже если процесс вычислений не доводится до естественной остановки.
3. Прерываемость и продолжаемость – алгоритм должен предусматривать возможность временной приостановки и продолжения работы. Промежуточные результаты должны быть сохраняемы с возможностью дальнейшего продолжения вычислений, а может быть, с использованием новых данных.
4. Ограниченность по объему требуемой памяти – алгоритм должен работать в пределах ограниченного объема памяти компьютера, выделяемого пользователем.
5. Однонаправленность – при проходе базы данных последовательность считывания записей производится только в одном направлении. Такой режим работы называется режимом однонаправленного указателя, когда указатель движется только вперед и без возможности обратного перемещения.