Встреча и обсуждение задачи соответствия движения планет и корреляция событий
Использование статистик, технологий добычи данных известных, как Data-mining для поиска решений соответствий движения планет и корреляции событий. При каком- то частом совпадении выделение этих картин субъектов в базе и поиск новых, так же одновременное обучение алгоритма отбора для более качественных результатов, называемое, как машинное обучение (machine Learning). Это специальные разделы математики.
Интерес представляет рассмотрение не самих гороскопов в традиционном понимании, а лишь расчетных точек гороскопа, образующих констелляций планет, аспекты и т.д., назовем их факторы. На экране мы видим скопление точек, характеризующих людей (одна точка-один человек) но выделенных по однотипному событию или нескольким событиям (стал музыкантом/был переезд/есть дети) по оси ординат-Y и соответствующих определенным астрологическим факторам по оси абсцис-ось X, т.е. кластеры (скопления точек-людей) по событиям привязанные к этим астрофакторам, полученных в результате решения статистик настоящего времени и анализа различными методами Data-mining, а не только знаний из учебников.
В данном случае критериями выделений являются, как само событие- набор статистик, так и набор астрологических факторов, который может быть различен (здесь простор работы для исследователя).
Задача заключается в том, чтобы корректно связать выделенные кластеры, полученные статистическими методами с астрофакторами и далее уточнять и находить новые факторы, основываясь на статистиках, т. е алгоритм машинного обучения может находить новые зависимости, основываясь на реальных событиях - подтверждать или опровергать уже устоявшиеся описания событий, как бы древности, связанных с движениями планет и нашего времени. Для задач машинного обучения представляет интерес то, что данные планет генерируются ежеминутно и проблемы с их недостачей отсутствуют, а для начального обучения модели существует множество описаний событий привязанных к небу.
Метод или программа позволяет лишь по заданным критериям выделять такие кластеры карт, причем с заданной точностью. Чем меньше факторов, тем больше охват астрокарт, чем больше факторов, тем область решений (кластера) будет сужаться для данного события.
Можно ли найти таким образом новый фактор? Да можно. Как и проверить существующие принятые в традиционных учебниках.
В чем отличие от основных методик? В том, что эта методика вычислений позволяет наглядно отображать и демонстрировать для проверки уже сформированных знаний и выявлять (предполагать) гипотезы о новых факторах, характеристиках, решениях.
