大数据分析与挖掘(课堂PPT)

社交网络的分析和研究是一个交叉领域的学科
通常会利用社会学、心理学甚至是医学上的基本结 论和原理作为指导
通过人工智能领域中使用的机器学习、图论等算法 对社交网络中的群体行为和未来的趋势进行模拟和 预测。
.
24
大数据带给数据挖掘的…
➢ 神经网络在几十年前就有了
➢ 因为他们需要大量的“训练”
➢ 对早期研究者来说，想要获得不
➢ 企业应用大数据所带来的主要效果包括实现智能决 策、提升运营效率和改善风险管理。
.
3
我们身(1)
➢ 三十多年来，我国春运大军从1 亿多人次到36亿人次
➢ 春运的最热现象是逆向过年，即 老人们到孩子工作的地方过年。
除夕夜 哈尔滨迁徙地图
对大数据的初步认识(2) 大数据与交通拥堵
片、地理位置信息
③ 价值密度低：以视频为例，连续不间断监控过程中，可能 有用的数据仅仅有一两秒
④ 速度快：产生了大量的高速动态数据流，对数据流的实时 分析与处理要求不断增加，数据处理的越及时，产生的价 值越大。
.
9
大数据基本特征的第五个V：Veracity 数据的不确定性
数据挖掘：Data Mining
做法截然相反。无疑，这样的做法会比较快，当然，前提是有足够多 的数据支持。
在大数据时代，我们能够得益于一种新的思维方法—从大
量的数据中直接找到答案，即使不知道原因。
.
12
数据挖掘背后的 大数据思维
在数据挖掘的思想中，知识的学习是不需 要通过具体问题的专业知识建模。
这其实是模拟了人的原始学习过程 --- 比 如你要预测一个人跑100米要多久时间， 可以根据之前了解的他这样体型的人跑 100米用的多少时间做一个估计，而不会 使用牛顿定律来算。
概念
从大量数据中抽取出（隐含
的、有潜在用途的、未知的、 人们可以理解的）有价值的 信息和模式的过程。这些新 发现的规律、模式、信息和 概念具有潜在使用价值。
数据挖掘背后的 大数据思维
➢ 寻找特效药：
➢ 科学家们通常需要分析疾病产生的原因，寻找能够消除这些原因的物 质，然后合成新药。是一个非常漫长的过程，而且费用非常高。
➢ 有了大数据，寻找特效药的方法就和过去有所不同了。
➢ 斯坦福大学医学院发现，原来用于治疗心脏病的某种药物对治疗某种 胃病特别有效。
➢ 这种方法，实际上依靠的并非因果关系，而是一种强关联关系，即A 药对B病有效。至于为什么有效，接下来3年的研究工作实际上就是在 反过来寻找原因。
➢ 这种先有结果再反推原因的做法，和过去通过因果关系推导出结果的
错效果的最小量训练都远远超过
计算能力和能提供的数据的大小
➢ 团队通过在网络围棋对战平台上
最强人类对手，百万级的对弈落
子.去训练
25
数据挖掘：Data Mining 大数据管理与挖掘案例
随着我们通过电话、信用卡、电子商务、互联网和电子邮件留下更多 的生活痕迹，大数据不断增长的商业影响也在如下时刻表现出来：
你搜索飞往哈尔滨的航班，然后便看到网站上出现了当地宾馆的打 折信息
你光顾的商店在对顾客行为进行数据挖掘的基础上获取最大化的利 润
用算法预测人们购票需求，航空公司以不可预知的方式调整价格
智能手机的应用识别到你的位置，因此你收到附近餐厅的服务信息
➢ 根据2015年的统计数据，我国公民个人 信息泄露数量已经达到40亿条左右。
刚取了通知书就有助学金诈骗电话
刚买了房就有无数装修公司的电话……
大数据的基本特征
用4个V来总结：Volume、Variety、Value和Velocity
① 数据体量大：从 TB级别，跃升到 PB ② 数据多样性：多为非结构型数据，如网络日志、视频、图
.
20
数据挖掘：Data Mining 时间序列分析
时间序列预测即以时间序列所能反映的社会 经济现象的发展过程和规律性，进行引伸外 推，预测其发展趋势的方法，简单来说就是 从已知事件测定未知事件。
时间序列数据的趋势变动可分为以下四点： 趋势性、周期性、随机性、综合性 预测时一般设法过滤除去不规则变动，突出
推算出预产期后，就能抢先一步，将孕妇装、婴儿床 等折扣券寄给客户。
在接下来的几年中会根据婴儿的生长周期定期给这些 顾客推送相关产品，使这些客户形成长期的忠诚度。
.
17
数据挖掘：Data Mining 分类与预测
.
18
数据挖掘 分类与预测 金融创新产品设计
.
19
数据挖掘：Data Mining 时间序列分析
大数据分析与挖掘
.
大数据与数据挖掘
课程的背景 ……
.
2
中国数据发展调查报告 （2018年）：
➢ 2017年中国大数据产业总体规模为4700亿元人民币， 同比增长30%；预计2018-2020年增速将保持在30%以 上。
➢ 大部分企业均已意识到数据分析对企业发展的重要 性。
✓ 近四成的企业已经应用了大数据。与2016年相比上升4.5% ✓ 金融等领域大数据应用增加趋势较为明显。
➢ 一卡通大量使用，乘客出行的海量数据
➢ 预埋传感器，收集车流量、客流量信息
➢ 卫星地图数据对道路交通情况进行分析
➢ 出租车提供实时数据,了解主要道路的路况
➢ 智能手机使用地图应用,分析出实时的道路交通拥堵状况、出行流
. 动趋势或特定区域的人员聚集程度
7
对大数据的初步认识(3) 大数据分析电信诈骗
反映趋势性和周期性变动。
.
21
数据挖掘：Data Mining 聚类分析
.
22
数据挖掘：Data Mining 社交网络、舆情分析…
.
23
社交网络的分析
社交网络中社区圈子的识别
社交网络中人物影响力的计算
信息在社交网络上的传播模型
虚假信息和机器人账号的识别
基于社交网络信息对股市、大选以及传染病的预测
.
13
数据挖掘：Data Mining 一般流程
数据挖掘：Data Mining 功能
➢关联规则 ➢分类与预测 ➢聚类分析
➢…
.
15
数据挖掘：Data Mining 关联规则
关联规则：零售业应用
几十年来，大型零售商塔吉特收集了海量的数据，记 录了每一位经常光顾其各分店的顾客数据。
发现女客户会在怀孕四个月左右，大量购买无香味乳 液。由此挖掘出25项与怀孕高度相关的商品，制作“ 怀孕预测”指数。