大數(shù)據(jù)的挖掘“大”在哪里?
來源：曾劍平|
類型：網(wǎng)站百科
|時間：2017-12-11
以前我們談?wù)摂?shù)據(jù)挖掘，而大數(shù)據(jù)時代我們談?wù)?a href="http://www.yiyouzhen.cn/">大數(shù)據(jù)挖掘。那么大數(shù)據(jù)挖掘“大”在哪里? 本文對此進行了一些歸納，希望能提供一些思考問題的方法。
不足之處請留言發(fā)表意見。
一、數(shù)據(jù)量的大
數(shù)據(jù)量大到多少? 這是一個很多人在進行大數(shù)據(jù)挖掘時要問的問題。
從一些實際應(yīng)用看，一般每天處理的數(shù)據(jù)量達到T、P級別的，可以考慮部署Hadoop、Spark之類的大數(shù)據(jù)處理平臺，一定量級的數(shù)據(jù)處理才能突顯這些平臺的優(yōu)越性。
數(shù)據(jù)量少，數(shù)據(jù)的讀取、搬遷所花費的時間占比太多，反而無法體現(xiàn)大數(shù)據(jù)處理平臺的優(yōu)勢。不少應(yīng)用只是為了大數(shù)據(jù)而大數(shù)據(jù)，幾百M也弄個Hadoop。因此，現(xiàn)在一談大數(shù)據(jù)就認為是Hadoop、Spark等平臺是很有局限性的。
當然，實際在決定是否使用大數(shù)據(jù)平臺時，可能需要考慮更多的因素，例如：要集成很多的低性能機器、異構(gòu)軟硬件平臺間的可移植性、大量的非結(jié)構(gòu)化數(shù)據(jù)處理等。
二、數(shù)據(jù)類型的多樣化
在數(shù)據(jù)挖掘時代，我們挖掘的數(shù)據(jù)主要以關(guān)系型數(shù)據(jù)為主。大數(shù)據(jù)時代，各種應(yīng)用產(chǎn)生了各種數(shù)據(jù)，通常在大數(shù)據(jù)挖掘中會涉及到多種數(shù)據(jù)類型。這里所說的數(shù)據(jù)類型不是程序設(shè)計中的普通數(shù)據(jù)類型，而是更接近于應(yīng)用的數(shù)據(jù)表現(xiàn)形式，通常有時間序列數(shù)據(jù)、軌跡數(shù)據(jù)、圖數(shù)據(jù)、文本數(shù)據(jù)等等。
每天的銷售記錄、價格是普通數(shù)據(jù)類型，但是從時間維度將它們按照順序連接起來，構(gòu)成的時間序列數(shù)據(jù)能體現(xiàn)出價格的變化規(guī)律，理所當然具有更豐富的含義。
每個人所處的位置不過是一個（x,y）的普通數(shù)據(jù)類型，但是按照移動的先后順序把位置連接起來，就構(gòu)成了某人的活動軌跡，背后體現(xiàn)的是他的生活、習慣，這些隱藏信息才是大數(shù)據(jù)應(yīng)當關(guān)注的。
微博或論壇中每個人是獨立存在的，也是普通數(shù)據(jù)，但是如果把每個人按照粉絲、關(guān)注等關(guān)系連接起來，就可以構(gòu)成一張很大的圖，即圖數(shù)據(jù)。圖中的人群、離群，以及加上群體偏好、群體運動等屬性后的高等圖數(shù)據(jù)，就是大數(shù)據(jù)挖掘的關(guān)注點。
三、數(shù)據(jù)處理的噪音
在數(shù)據(jù)挖掘時代，數(shù)據(jù)來源于關(guān)系型數(shù)據(jù)庫，都是一些與業(yè)務(wù)相關(guān)、質(zhì)量比較高的數(shù)據(jù)，一般拿來就可以直接挖。大數(shù)據(jù)挖掘肯定就不是這樣，大數(shù)據(jù)思維決定了我們要考慮不同來源的數(shù)據(jù)的質(zhì)量、數(shù)據(jù)結(jié)構(gòu)魚龍混雜，以增強數(shù)據(jù)處理的魯棒性。比如，要進行企業(yè)級的客戶分析，不同的分公司可能使用不同的客戶管理系統(tǒng)，有的系統(tǒng)采用本科/碩士/博士來區(qū)分客戶的學歷，而有的采用本科/研究生來區(qū)分，這就要求考慮數(shù)據(jù)的一致性處理。此外，數(shù)據(jù)格式、數(shù)據(jù)完整性等等都是大數(shù)據(jù)挖掘需要考慮的。
四、數(shù)據(jù)挖掘的多樣化
在數(shù)據(jù)挖掘時代，一般側(cè)重于單項的數(shù)據(jù)分析，而大數(shù)據(jù)挖據(jù)可能會更側(cè)重于多項數(shù)據(jù)挖掘任務(wù)同時存在，如業(yè)務(wù)上同時要求分類、預(yù)測、相關(guān)性、聚類等。盡管業(yè)務(wù)需求多了，但是這些分類、預(yù)測、相關(guān)性、聚類可能在底層上采用的是同一種模型，因此，在大數(shù)據(jù)挖據(jù)時考慮模型、算法與業(yè)務(wù)的分離是非常重要的，即所謂的大數(shù)據(jù)處理層次結(jié)構(gòu)。
來源聲明：本文章系尚品中國編輯原創(chuàng)或采編整理，如需轉(zhuǎn)載請注明來自尚品中國。以上內(nèi)容部分(包含圖片、文字)來源于網(wǎng)絡(luò)，如有侵權(quán)，請及時與本站聯(lián)系（010-60259772）。
建站流程
-
網(wǎng)站需求
-
網(wǎng)站策劃方案
-
頁面設(shè)計風格
-
確認交付使用
-
資料錄入優(yōu)化
-
程序設(shè)計開發(fā)
-
后續(xù)跟蹤服務(wù)
-
聯(lián)系電話
010-60259772
熱門標簽
- 網(wǎng)站建設(shè)
- 食品網(wǎng)站建設(shè)
- 微信小程序開發(fā)
- 小程序開發(fā)
- 無錫網(wǎng)站建設(shè)
- 研究所網(wǎng)站建設(shè)
- 沈陽網(wǎng)站建設(shè)
- 廊坊網(wǎng)站建設(shè)
- 鄭州網(wǎng)站建設(shè)
- 婚紗攝影網(wǎng)站建設(shè)
- 手機端網(wǎng)站建設(shè)
- 高校網(wǎng)站制作
- 天津網(wǎng)站建設(shè)
- 教育網(wǎng)站建設(shè)
- 品牌網(wǎng)站建設(shè)
- 政府網(wǎng)站建設(shè)
- 北京網(wǎng)站建設(shè)
- 網(wǎng)站設(shè)計
- 網(wǎng)站制作
最新文章
推薦新聞
更多行業(yè)-
公司官網(wǎng)網(wǎng)站建設(shè)的細節(jié)有哪些？
隨著互聯(lián)網(wǎng)的快速發(fā)展，公司官網(wǎng)已成為企業(yè)不可或缺的組成部分。它不僅是一...
2023-06-27 -
重點分析網(wǎng)站制作的誤區(qū)因素
誤區(qū)一 只看價格不看質(zhì)量Error a see the price s...
2012-07-29 -
[北京網(wǎng)站制作]Java之父談喬布斯：他是個瘋子！
Java之父談喬布斯：他是個瘋子！Java之父 James Gosli...
2011-10-21 -
“微型”網(wǎng)站設(shè)計公司的品牌成長之路
中國經(jīng)濟的迅速發(fā)展與崛起，使企業(yè)意識到獨立及獨特設(shè)計的重要性，設(shè)計決定...
2017-10-25 -
網(wǎng)絡(luò)營銷之SEO網(wǎng)站優(yōu)化方法策略
電商是未來的經(jīng)濟發(fā)展趨勢，也是很多企業(yè)所面臨困難，企業(yè)網(wǎng)站做電子商務(wù)，...
2012-11-20 -
網(wǎng)站優(yōu)化注意10個小細節(jié)!
網(wǎng)站優(yōu)化中需要注意的十個細節(jié)： Ten details need to...
2013-07-03
如果您的網(wǎng)站可以增加轉(zhuǎn)化次數(shù)并提高客戶滿意度，該怎么辦？
預(yù)約專業(yè)咨詢顧問溝通！
Copyright ? 2025 恒久尚品 版權(quán)所有 | 京ICP備09066521號
| 公安機關(guān)備案號:11011502003910
免責聲明
誠信企業(yè)
尚品專注高端網(wǎng)站建設(shè)，系統(tǒng)平臺開發(fā)，微信小程序及APP開發(fā)服務(wù)
尚品專注高端網(wǎng)站建設(shè)，系統(tǒng)平臺開發(fā)，微信小程序及APP開發(fā)服務(wù)
免責聲明
非常感謝您訪問我們的網(wǎng)站。在您使用本網(wǎng)站之前，請您仔細閱讀本聲明的所有條款。
1、本站部分內(nèi)容來源自網(wǎng)絡(luò)，涉及到的部分文章和圖片版權(quán)屬于原作者，本站轉(zhuǎn)載僅供大家學習和交流，切勿用于任何商業(yè)活動。
2、本站不承擔用戶因使用這些資源對自己和他人造成任何形式的損失或傷害。
3、本聲明未涉及的問題參見國家有關(guān)法律法規(guī)，當本聲明與國家法律法規(guī)沖突時，以國家法律法規(guī)為準。
4、如果侵害了您的合法權(quán)益，請您及時與我們,我們會在第一時間刪除相關(guān)內(nèi)容!
聯(lián)系方式：010-60259772
電子郵件：394588593@qq.com
