- 1、本文档共4页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
大数据挖掘的均匀抽样设计及数值分析.pdf
第 3O卷第4期 统 计 与信 息 论 坛 2015年 4月
Vo1.30 No.4 Statistics InformationForum Apr.,2015
【统计理论与方法】
大数据挖掘的均匀抽样设计及数值分析
李 毅,米子川
(山西财经大学 统计学院,山西 太原 030006)
摘要:就大数据生成过程的多维性、稀疏性和动态性等特征而言,大数据集并不等于统计总体 ,即便对于
静态大数据集,随机抽样同样有着不可或缺的参数估计和总体推断的方法论价值。在大型数据分析中,常常
遇到需要降低维度和减少计算量但又不知如何抽样处理的问题。因此,提出均匀抽样在大数据挖掘中应用
的基本策略,并使用模拟数据和医学胎心宫缩监护数据集进行数值分析。结果表明:均匀抽样在降低决策
树 、adaboost、bagging和随机森林的误差率上优于现有文献的常用方法,这一策略能为面向大数据的数据挖
掘方法提供参考,也为针对大数据分析的抽样有效性提供佐证。
关键词:均匀设计;数据挖掘;大数据抽样
中图分类号 :C812:F222.3 文献标志码:A 文章编号:1007--3116(2015)04—00O3一O4
录的数据是一种结构完整、信息充分的 “小数据”;其
一 Z1 ÷
-
、 4 I 口
次,就资料收集 目的而言,大数据收集的目的也是不
随着社交媒体、手机APP、安全监视器、天文望 同的,其收集过程和 目的并非统计分析的目的,但对
远镜、卫星、工业生产线和各种传感器等基于互联网 于价值的提取二者是相同的,并在大数据的分析过
的硬件和应用软件的普及,来 自不同过程的统计数 程中,希望从数据中发现一些有趣的特征或模式,藉
据不断产生,其物理特征包含文字、图像、音频、纯数 此提供有价值的信息以供决策参考;第三,大数据的
据等等,这些数据数量庞大、结构复杂且维度多 规模显著地大于传统的统计数据,但是所蕴涵的信
样_L1 ]。面向大数据的统计分析,存在三个方面的 息量则相对稀少,一般被称为数据的 “稀疏性”。根
困难和挑战:首先,由于大数据的背景分布缺乏先验 据统计学基本理论,有用的样本量应该是越多越好,
信息,大多数分析过程是从单纯的数据出发,这种分 但是大数据的信息贡献却不是这样,数据量大不一
析过程被称为 “冷启动”。通常大数据的产生和收集 定意味着有价值的信息就会增多,大量的虚假知识
在事先并没有特别的目的,或者收集者的目的并不 甚至会损害数据信息,因此 “大数据等于总体”的思
明确,因此无法获得显著的先验分布信息。与此相 想是错误的。此外,大数据建模时,数据本身的属性
反,在传统的统计数据采集方法中,实验设计则是一 也会成为统计建模和分析的难题,如高维度、时间序
个 目的明确的数据搜集过程 ,即在一定的控制变量 列特性、变量间的复杂关系等等,都是亟待解决的问
和区组条件下完成对数据的重复测度和记录。实验
您可能关注的文档
- 壁材对VA微胶囊物理性质的影响.pdf
- 士兵提干备考复习资料分析解析.pdf
- 士兵提干备考资料分析经典试题解析.pdf
- 士兵提干复习题精选材料分析常考试题.pdf
- 士兵提干考试基本常识试题必备.pdf
- 处理人身损害赔偿案件“就高不就低”的司法实践.doc
- 处理顾客报怨的服务技巧.doc
- 备用制氧机循环水系统冬季防冻措施探讨.doc
- 复习课件中央集权制度的确立【人教版】.ppt
- 复合材料结构修补技术的发展_陈祥宝.pdf
- 四川省德阳市罗江中学2025届高三考前热身化学试卷含解析.doc
- 山东省枣庄现代实验学校2025届高三下学期第五次调研考试化学试题含解析.doc
- 吉林省长春市十一高中等九校教育联盟2025届高三一诊考试生物试卷含解析.doc
- 2025届江苏省盐城市伍佑中学高考仿真模拟化学试卷含解析.doc
- 2025届广西贺州中学高考冲刺押题(最后一卷)生物试卷含解析.doc
- 安徽省池州市贵池区2025届高三第一次模拟考试生物试卷含解析.doc
- 宁夏银川一中2025届高三(最后冲刺)化学试卷含解析.doc
- 广东省广州市增城区四校联考2025届高考压轴卷化学试卷含解析.doc
- 2025届邯郸市第一中学高考生物必刷试卷含解析.doc
- 2025届安徽省安庆市石化第一中学高考仿真卷化学试卷含解析.doc
文档评论(0)