京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的新算法:简化数据分类
如今,大数据时代悄然来临。专家用“大数据”的表达描述大量信息,比如数十亿人在计算机、智能手机以及其他电子设备上分享的照片、音频、文本等数据。当前这种模式为我们的未来展现了前所未有的愿景:比如追踪流感疫情蔓延,实时监控道路交通,处理紧急自然灾害等。对人们而言,想要利用这些庞大的数据,首先必须要了解它们,而在此之前我们需要一种快捷有效自动的方式对数据进行分类。
其中一种最为常用的系统,是一系列称之为簇分析的统计技术,这种技术能依据数据的“相似性”进行数据分组。来自意大利国际高等研究院(SISSA)的两位研究者基于简单且强大的原理设计了一种簇分析方法,被证明可以非常有效地解决一些大数据分析中遇到的主要典型问题。
数据集合可以视为多维空间的云数据点。这些点呈现不同分配方式:或稀疏地分布在一个区域,或密集地分布在另外一个区域。簇分析就是用来有效地鉴别密集型区域,基于基本的准则将数据分为一定数量的重要子集合,每个子集合对应一种分类。
“以一个面部图像数据库为例,”SISSA统计与生物物理系教授Alessandro Laio说,“数据库可能包含同一个人的多张照片,簇分析可以用来归类同一人的所有照片。这种类型的分析可用自动脸部识别系统来完成。”
“我们试着设计一种较现有方法更为有效的算法,来解决簇分析中典型的问题。”Laio继续补充说。
“我们的方法基于一种新的鉴定簇中心,比如子集合,”另一位研究者Alex Rodriguez解释道,“试想这样的情形,在无法访问地图中,却不得不鉴定全球所有的城市时,这无疑是一个艰巨的任务。”Rodriguez进一步解释道,“因此我们在做一种探索式的识别,尝试寻找一条简单的规则或是一种捷径来达成目标。”
“为了确定一个地方是否达到城市级别规模,我们可以让当地居民计数自己的‘邻居’,换句话说,他房子的100米内住了多少人。一旦得到这个数字,我们继续去确认每一个居民,他们身边最近的拥有最多邻居数的居民。借助这两组数据结果交叉的部分,就可以推断每个人所在居住区域人口的稠密程度,以及拥有邻居数最多的两家间距。就全球人口而言,通过自动交叉检测这些数据,我们能识别代表簇状中心的个体,这些个体就是不同的城市。” Laio解释道。
“我们的算法能够精确地完成此类计算,也适用于其他场景,”Rodriguez进一步补充说,此算法表现相当优异。Rodriguez对此有着深刻理解:“借用面部数据档案Olivetti Face数据库,我们测试了自己的数学模型,并获得了满意的结果。此系统能够正确地识别大部分个体,从不产生假阳性结果,这意味着在某些情况下,它可能无法识别事物,但绝不会混淆一个个体与另一个个体。与类似的方法相比,我们的算法能够有效地剔除异类,要知道这些异类的数据点与其他数据存在较大差异是会损毁分析结果的。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
做产品立项、写商业计划书、规划市场进入策略时,"市场调研"和"竞品分析"几乎总是被绑在一起说,甚至被当成同一件事。但实际 ...
2026-11-19 在做数据治理、搭数据中台或者梳理数据库表结构时,"主数据"和"参考数据"是被提及频率最高、也最容易被混为一谈的两个概念。 ...
2026-11-19“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-19一、什么是本体 在知识图谱和语义建模里,本体(Ontology)是对一个领域内概念、属性、关系和实例的形式化描述。它回答三个问题 ...
2026-11-18一、K-S 曲线解决什么问题 风控评分卡、客户流失模型、欺诈识别模型建好之后,最核心的一个问题是:模型能不能把"会变坏"和"不会 ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18产品上线之后,真正回答"用户是谁、想要什么、卡在哪里"的,往往不是调研问卷,而是用户留下的一条条行为记录。点击、浏览、停留 ...
2026-11-17在日常数据库开发与报表查询中,日期格式几乎是最高频的"打交道"对象:页面上要展示 yyyy-MM-dd,接口要返回 ISO 8601 字符串, ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12一、什么是加权聚类 普通聚类默认"每个样本、每个指标都同等重要":距离公式里每个样本权重都是 1,每个指标在距离计算里占比相 ...
2026-11-12“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-12一、需求从哪来 做 Excel 报表时,"从一个透视表取数据"这个需求通常有三种来源: 汇总页引用:明细透视表在另一个 sheet,汇总 ...
2026-11-11一、透视表的价值在哪 一句话概括:数据透视表把"写公式汇总"变成了"拖字段看结果"。 传统做法要写 SUMIFS、COUNTIFS,改一个维 ...
2026-11-11