《大數(shù)據(jù)處理與智能決策 》課件-1-緒論

大數(shù)據(jù)處理與智能挖掘課程的背景……1中國大數(shù)據(jù)發(fā)展調(diào)查報告（2018年）2017年中國大數(shù)據(jù)產(chǎn)業(yè)總體規(guī)模為4700億元人民幣，同比增長30%；預(yù)計2018-2020年增速將保持在30%以上。大部分企業(yè)均已意識到數(shù)據(jù)分析對企業(yè)發(fā)展的重要性。近四成的企業(yè)已經(jīng)應(yīng)用了大數(shù)據(jù)。與2016年相比上升4.5%金融等領(lǐng)域大數(shù)據(jù)應(yīng)用增加趨勢較為明顯。企業(yè)應(yīng)用大數(shù)據(jù)所帶來的主要效果包括實現(xiàn)智能決策、提升運營效率和改善風(fēng)險管理。2我們身邊的大數(shù)據(jù)…3百度地圖的定位數(shù)據(jù)對大數(shù)據(jù)的初步認(rèn)識(1)5除夕夜哈爾濱遷徙地圖三十多年來，我國春運大軍從1億多人次到36億人次。春運的最熱現(xiàn)象是逆向過年，即老人們到孩子工作的地方過年。對大數(shù)據(jù)的初步認(rèn)識(2)

大數(shù)據(jù)與交通擁堵

6一卡通大量使用，乘客出行的海量數(shù)據(jù)；預(yù)埋傳感器，收集車流量、客流量信息；衛(wèi)星地圖數(shù)據(jù)對道路交通情況進行分析；出租車提供實時數(shù)據(jù),了解主要道路的路況；智能手機使用地圖應(yīng)用,分析出實時的道路交通擁堵狀況、出行流動趨勢或特定區(qū)域的人員聚集程度。對大數(shù)據(jù)的初步認(rèn)識(3)

大數(shù)據(jù)分析電信詐騙

根據(jù)2015年的統(tǒng)計數(shù)據(jù)，我國公民個人信息泄露數(shù)量已經(jīng)達到40億條左右。剛?cè)×送ㄖ獣陀兄鷮W(xué)金詐騙電話剛買了房就有無數(shù)裝修公司的電話……7淘寶網(wǎng)根據(jù)網(wǎng)上成交額比國家統(tǒng)計局公布的CPI數(shù)據(jù)更早的預(yù)測到經(jīng)濟狀況。谷歌公司從搜索記錄中篩選出5000萬條頻繁詞，比美國疾控中心更早的預(yù)測到流感數(shù)據(jù)。8對大數(shù)據(jù)的初步認(rèn)識(4)

大數(shù)據(jù)的基本特征用4個V來總結(jié)：Volume、Variety、Value和Velocity數(shù)據(jù)體量大：從TB級別，躍升到PB；數(shù)據(jù)多樣性：多為非結(jié)構(gòu)型數(shù)據(jù)，如網(wǎng)絡(luò)日志、視頻、圖片、地理位置信息；價值密度低：以視頻為例，連續(xù)不間斷監(jiān)控過程中，可能有用的數(shù)據(jù)僅僅有一兩秒；速度快：產(chǎn)生了大量的高速動態(tài)數(shù)據(jù)流，對數(shù)據(jù)流的實時分析與處理要求不斷增加，數(shù)據(jù)處理的越及時，產(chǎn)生的價值越大。910大數(shù)據(jù)基本特征的第五個V：Veracity

數(shù)據(jù)的不確定性數(shù)據(jù)挖掘：DataMining概念從大量數(shù)據(jù)中抽取出（隱含的、有潛在用途的、未知的、人們可以理解的）有價值的信息和模式的過程。這些新發(fā)現(xiàn)的規(guī)律、模式、信息和概念具有潛在使用價值。11數(shù)據(jù)挖掘背后的大數(shù)據(jù)思維尋找特效藥：科學(xué)家們通常需要分析疾病產(chǎn)生的原因，尋找能夠消除這些原因的物質(zhì)，然后合成新藥。是一個非常漫長的過程，而且費用非常高。有了大數(shù)據(jù)，尋找特效藥的方法就和過去有所不同了。斯坦福大學(xué)醫(yī)學(xué)院發(fā)現(xiàn)，原來用于治療心臟病的某種藥物對治療某種胃病特別有效。這種方法，實際上依靠的并非因果關(guān)系，而是一種強關(guān)聯(lián)關(guān)系，即A藥對B病有效。至于為什么有效，接下來3年的研究工作實際上就是在反過來尋找原因。這種先有結(jié)果再反推原因的做法，和過去通過因果關(guān)系推導(dǎo)出結(jié)果的做法截然相反。無疑，這樣的做法會比較快，當(dāng)然，前提是有足夠多的數(shù)據(jù)支持。12在大數(shù)據(jù)時代，我們能夠得益于一種新的思維方法—從大量的數(shù)據(jù)中直接找到答案，即使不知道原因。數(shù)據(jù)挖掘背后的

大數(shù)據(jù)思維在數(shù)據(jù)挖掘的思想中，知識的學(xué)習(xí)是不需要通過具體問題的專業(yè)知識建模。這其實是模擬了人的原始學(xué)習(xí)過程---比如你要預(yù)測一個人跑100米要多久時間，可以根據(jù)之前了解的他這樣體型的人跑100米用的多少時間做一個估計，而不會使用牛頓定律來算。13數(shù)據(jù)挖掘：DataMining

一般流程14數(shù)據(jù)挖掘：DataMining

分類與預(yù)測15數(shù)據(jù)挖掘

分類與預(yù)測

金融創(chuàng)新產(chǎn)品設(shè)計16數(shù)據(jù)挖掘：DataMining 時間序列分析17數(shù)據(jù)挖掘：DataMining時間序列分析時間序列預(yù)測即以時間序列所能反映的社會經(jīng)濟現(xiàn)象的發(fā)展過程和規(guī)律性，進行引伸外推，預(yù)測其發(fā)展趨勢的方法，簡單來說就是從已知事件測定未知事件。時間序列數(shù)據(jù)的趨勢變動可分為以下四點：趨勢性、周期性、隨機性、綜合性。預(yù)測時一般設(shè)法過濾除去不規(guī)則變動，突出反映趨勢性和周期性變動。18數(shù)據(jù)挖掘：DataMining

聚類分析19數(shù)據(jù)挖掘：DataMining

社交網(wǎng)絡(luò)、輿情分析…20社交網(wǎng)絡(luò)的分析社交網(wǎng)絡(luò)中社區(qū)圈子的識別；社交網(wǎng)絡(luò)中人物影響力的計算；信息在社交網(wǎng)絡(luò)上的傳播模型；虛假信息和機器人賬號的識別；基于社交網(wǎng)絡(luò)信息對股市、大選以及傳染病的預(yù)測；社交網(wǎng)絡(luò)的分析和研究是一個交叉領(lǐng)域的學(xué)科：通常會利用社會學(xué)、心理學(xué)甚至是醫(yī)學(xué)上的基本結(jié)論和原理作為指導(dǎo)通過人工智能領(lǐng)域中使用的機器學(xué)習(xí)、圖論等算法對社交網(wǎng)絡(luò)中的群體行為和未來的趨勢進行模擬和預(yù)測。21大數(shù)據(jù)帶給數(shù)據(jù)挖掘的…22神經(jīng)網(wǎng)絡(luò)在幾十年前就有了；因為他們需要大量的“訓(xùn)練”；對早期研究者來說，想要獲得不錯效果的最小量訓(xùn)練都遠遠超過計算能力和能提供的數(shù)據(jù)的大?。粓F隊通過在網(wǎng)絡(luò)圍棋對戰(zhàn)平臺上最強人類對手，百萬級的對弈落子去訓(xùn)練。數(shù)據(jù)挖掘：DataMining

大數(shù)據(jù)管理與挖掘案例

隨著我們通過電話、信用卡、電子商務(wù)、互聯(lián)網(wǎng)和電子郵件留下更多的生活痕跡，大數(shù)據(jù)不斷增長的商業(yè)影響也在如下時刻表現(xiàn)出來：你搜索飛往哈爾濱的航班，然后便看到網(wǎng)站上出現(xiàn)了當(dāng)?shù)刭e館的打折信息你光顧的商店在對顧客行為進行數(shù)據(jù)挖掘的基礎(chǔ)上獲取最大化的利潤用算法預(yù)測人們購票需求，航空公司以不可預(yù)知的方式調(diào)整價格智能手機的應(yīng)用識別到你的位置，因此你收到附近餐廳的服務(wù)信息…23數(shù)據(jù)挖掘：DataMining

大數(shù)據(jù)管理與挖掘案例24麻省理工學(xué)院創(chuàng)建了一個計算機模型來分析心臟病病患丟棄的心電圖數(shù)據(jù)；他們利用數(shù)據(jù)挖掘在海量的數(shù)據(jù)中篩選，發(fā)現(xiàn)心電圖中出現(xiàn)三類異常者一年內(nèi)死于第二次心臟病發(fā)作的機率比未出現(xiàn)者高一至二倍；這種新方法能夠識別出更多的，無法通過現(xiàn)有的風(fēng)險篩查被探查出的高危病人。數(shù)據(jù)挖掘：DataMining

大數(shù)據(jù)管理與挖掘案例大約20個NBA球隊使用了IBM公司開發(fā)的數(shù)據(jù)挖掘應(yīng)用軟件AdvancedScout系統(tǒng)來優(yōu)化他們的戰(zhàn)術(shù)組合系統(tǒng)分析顯示兩個后衛(wèi)哈德衛(wèi)和伯蘭.紹在前兩場中被評為－17分但當(dāng)哈德衛(wèi)與替補后衛(wèi)阿姆斯創(chuàng)組合時，魔術(shù)隊得分為正14分魔術(shù)隊增加了阿姆斯創(chuàng)的上場時間，此著果然見效；AdvancedScout是一個數(shù)據(jù)分析工具，每一場比賽的事件都被統(tǒng)計分類，按得分、助攻、失誤等等。時間標(biāo)記讓教練非常容易地通過搜索NBA比賽的錄像來理解統(tǒng)計發(fā)現(xiàn)的含義。25數(shù)據(jù)挖掘：DataMining

大數(shù)據(jù)管理與挖掘案例頭腦里的大數(shù)據(jù)：人類連接組項目是一項雄心勃勃地試圖繪制出不同腦區(qū)之間相互作用的計劃；項目使用三種磁共振造影觀察腦的結(jié)構(gòu)、功能和連接。數(shù)據(jù)收集工作完成之時，連接組獲得大約100萬G數(shù)據(jù)；如果區(qū)域A和區(qū)域B自發(fā)地以每秒18個周期的頻率產(chǎn)生腦波，說明它們處于同一網(wǎng)絡(luò)中；將利用整個大腦中的這些關(guān)聯(lián)數(shù)據(jù)創(chuàng)建一個表現(xiàn)出腦中的每一個點如何與其他每一個點關(guān)聯(lián)的矩陣。26大數(shù)據(jù)挖掘風(fēng)險

個人隱私泄露通過分析大量用戶的搜索