
數(shù)據(jù)挖掘基于數(shù)據(jù)庫(kù)理論,機(jī)器學(xué)習(xí),人工智能,現(xiàn)代統(tǒng)計(jì)學(xué)的迅速發(fā)展的交叉學(xué)科,在很多領(lǐng)域中都有應(yīng)用。涉及到很多的算法,源于機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò),決策樹,也有基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī),分類回歸樹,和關(guān)聯(lián)分析的諸多算法。數(shù)據(jù)挖掘的定義是從海量數(shù)據(jù)中找到有意義的模式或知識(shí)。
大數(shù)據(jù)是最近兩年提出來,也是媒體忽悠的一個(gè)概念。有三個(gè)重要的特征:數(shù)據(jù)量大,結(jié)構(gòu)復(fù)雜,數(shù)據(jù)更新速度很快。由于Web技術(shù)的發(fā)展,web用戶產(chǎn)生的數(shù)據(jù)自動(dòng)保存、傳感器也在不斷收集數(shù)據(jù),以及移動(dòng)互聯(lián)網(wǎng)的發(fā)展,數(shù)據(jù)自動(dòng)收集、存儲(chǔ)的速度在加快,全世界的數(shù)據(jù)量在不斷膨脹,數(shù)據(jù)的存儲(chǔ)和計(jì)算超出了單個(gè)計(jì)算機(jī)(小型機(jī)和大型機(jī))的能力,這給數(shù)據(jù)挖掘技術(shù)的實(shí)施提出了挑戰(zhàn)(一般而言,數(shù)據(jù)挖掘的實(shí)施基于一臺(tái)小型機(jī)或大型機(jī),也可以進(jìn)行并行計(jì)算)。Google提出了分布式存儲(chǔ)文件系統(tǒng),發(fā)展出后來的云存儲(chǔ)和云計(jì)算的概念。
大數(shù)據(jù)需要映射為小的單元進(jìn)行計(jì)算,再對(duì)所有的結(jié)果進(jìn)行整合,就是所謂的map-reduce算法框架。在單個(gè)計(jì)算機(jī)上進(jìn)行的計(jì)算仍然需要采用一些數(shù)據(jù)挖掘技術(shù),區(qū)別是原先的一些數(shù)據(jù)挖掘技術(shù)不一定能方便地嵌入到 map-reduce 框架中,有些算法需要調(diào)整。
此外,大數(shù)據(jù)處理能力的提升也對(duì)統(tǒng)計(jì)學(xué)提出了新的挑戰(zhàn)。統(tǒng)計(jì)學(xué)理論往往建立在樣本上,而在大數(shù)據(jù)時(shí)代,可能得到的是總體,而不再是總體的不放回抽樣。
以山西開礦的煤老板為例:
開礦的前提是有礦,包括煤礦的儲(chǔ)藏量,儲(chǔ)藏深度,煤的成色。
之后是挖礦,要把這些埋在地下的礦挖出來,需要挖礦工,挖礦機(jī),運(yùn)輸機(jī)。
之后是加工,洗煤,煉丹,等等。
最后才是轉(zhuǎn)化為銀子。
數(shù)據(jù)行業(yè)十分類似:
挖掘數(shù)據(jù)的前提是有數(shù)據(jù),包括數(shù)據(jù)的儲(chǔ)藏量,儲(chǔ)藏深度,數(shù)據(jù)的成色。
之后是數(shù)據(jù)挖掘,要把這些埋藏的數(shù)據(jù)挖掘出來。
之后是數(shù)據(jù)分析輸出,要把這些數(shù)據(jù)可視化輸出,指導(dǎo)分析、商業(yè)實(shí)踐。
直到這一步,才創(chuàng)造了價(jià)值。
所謂的大數(shù)據(jù),大約就是說現(xiàn)在有座正在形成的巨型礦山,快去搶占成為煤老板吧,下一個(gè)蓋茨興許將在這里誕生。
接下來好好說。如果說硬要說相似度的話,那么重合度的確是有很高。因?yàn)榇髷?shù)據(jù)干的事情其實(shí)就是數(shù)據(jù)挖掘做的事情。
數(shù)據(jù)挖掘之前叫 KDD(Knowledge Discovery and Data Mining, 或者也可以是 Knowledge Discovery in Database),這樣說就很好解釋了。數(shù)據(jù)挖掘就是從海量的數(shù)據(jù)中發(fā)現(xiàn)隱含的知識(shí)和規(guī)律。那么說,這個(gè)東西是啥時(shí)候提出來的?上個(gè)世紀(jì)。大數(shù)據(jù)啥時(shí)候提出來的?也就這幾年的事情吧。所以說,大數(shù)據(jù)很大程度上是數(shù)據(jù)挖掘的一個(gè)好聽的名字。
其實(shí)也不能一概否定「大數(shù)據(jù)」,至少通過媒體的熱炒,讓很多人知道了「數(shù)據(jù)」的重要性。只是很多人都不知道怎么做大數(shù)據(jù),因?yàn)檫@個(gè)東西本來就是虛的嘛。如果想了解大數(shù)據(jù),那么踏踏實(shí)實(shí)的做法是學(xué)習(xí)一下「數(shù)據(jù)挖掘」和「機(jī)器學(xué)習(xí)」相關(guān)的知識(shí)。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)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(jì)的實(shí)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(qiáng)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(chéng)摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)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(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)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(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)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(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)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(rèn)證作為國(guó)內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)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(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)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(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)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(zhǔn)確性的基礎(chǔ) ...
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(qū)動(dòng)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(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03