نحوه استفاده از سیستم‌های فازی در داده‌های حجیم

داده­های حجیم یک اصطلاح تکاملی است که حجم زیادی از ساختار، داده‌های نیمه ساختار یافته و غیرساختاری را توصیف می‌کند. این داده‌ها پتانسیل آن را دارند که برای اطلاعات استخراج شوند و در پروژه‌های یادگیری ماشین و سایر برنامه‌های پیشرفته تجزیه و تحلیل استفاده شوند. تجزیه و تحلیل داده­های حجیم با استفاده از سیستم­های فازی روند رو به رشدی گرفته است. منطق فازی از تئوری مجموعه اعداد فازی (منطق بی نهایت مقدار) مشتق می­شود که نسبت به منطق کلاسیک که صفر و یک است، به اندازه های تقریبی استدلال می­کند. به این معنا که نه 0 و نه 1، نه کاملاً صحیح و نه کاملاً غلط. قسمت اصلی قوانین فازی که در داده­های حجیم تعیین می­شود، قسمت مقدم قانون­ها می­باشد که توسط راهکار میشیگان، راهکار پیتسبرگ، راهکار انتخاب قانون و راهکار یادگیری قانون تکرار شونده انجام می شود.