
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(jié)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(jié)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
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構數(shù)據(jù)價值的核心操盤手 表格結(jié)構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10