
MIT做了一個全自動大數(shù)據(jù)分析
信息爆炸引爆了大數(shù)據(jù)時代的到來,前一兩年大數(shù)據(jù)到達了炒作的高峰,而馬云則稱今后 30年 屬于數(shù)據(jù)技術(DT)。但是最近一段時間大數(shù)據(jù)似乎沒有那么大的動靜了,這固然有技術炒作周期曲線的規(guī)律作用,也跟大數(shù)據(jù)遭遇到的一些瓶頸有關。
這個最大的瓶頸之一便是人。隱藏在大數(shù)據(jù)里面的模式挖掘很長程度上需要依靠人的建模和直覺,但是數(shù)據(jù)科學家的數(shù)量卻跟不上大數(shù)據(jù)的規(guī)模發(fā)展。不過 MIT 正在為打破這個瓶頸而努力,其研發(fā)的一款名為 Data Science Machine(數(shù)據(jù)科學機器)的軟件實現(xiàn)了無人參與下的大數(shù)據(jù)分析,經(jīng)過對比發(fā)現(xiàn),其表現(xiàn)已經(jīng)與數(shù)據(jù)分析師不分高下。
Data Science Machine 由 MIT CSAIL 的 Max Kanter 和他的指導老師 Kalyan Veeramachaneni 等人設計。其關鍵突破是它不僅會尋找模式,還會自己設計特征集。學機器學習的人都知道特征工程的重要性。特征工程是指利用數(shù)據(jù)的領域知識來創(chuàng)建特征以便讓機器學習算法可以工作的過程,這個過程往往需要人的直覺。而 Data Science Machine 卻利用了關系數(shù)據(jù)庫的不同表間的結構化關系作為線索來進行特征構造,從中生成一批候選的特征集,然后再通過分析值的相關性來縮小特征集的范圍,從而免去了人的參與。然后,Data Science Machine 還會把這個特征集運用到樣本數(shù)據(jù)上,再用不同的方式重新組合特征來優(yōu)化預測的準確率。
為了測試這套系統(tǒng)的第一款原型,研究人員讓它參與了三項數(shù)據(jù)科學方面的競賽,競賽的目標是在不常見的數(shù)據(jù)集中尋找出預測性的模式。三場競賽供有 906 支隊伍參加,Data Science Machine 的成績比其中的 615 支隊伍都要高。
在準確率方面,Data Science Machine 在其中兩場競賽的準確率分別達到了 94%和 96%。另外一場的準確率略低,為 87%。但是效率方面卻是人類不能比的,因為 Data Science Machine 得出結果用時在 2-12 小時之間,而人類團隊的預測性算法往往要折騰數(shù)月的時間。
目前 Data Science Machine 已能對哪些學生有可能退出 MIT 的在線課程做出分析,它選出的兩個特征分析學生開始寫作業(yè)時間的早晚,以及在網(wǎng)上學習課程的時間長短。盡管這種能力看起來還不夠強大,但是這只是開始,一旦機器具備真正的自我學習能力,在計算能力指數(shù)增長的作用下,其進化速度將是我們難以想象的。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經(jīng)網(wǎng)絡(RNN)家族中,長短期記憶網(wǎng)絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認證作為國內(nèi)權威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網(wǎng)絡(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調研數(shù)據(jù)中的深度應用? 市場調研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉日期:解鎖數(shù)據(jù)處理的關鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03