欢迎来到Doc100.Net免费学习资源知识分享平台!
您的位置:首页 > 程序异常 >

大数据开掘简介

更新时间: 2014-01-05 02:28:42 责任编辑: Author_N1

 

大数据挖掘简介

大数据挖掘涉及如下的课程:机器学习,统计学,人工智能,数据库等,但是更多的注重如下的特性:

1)可扩展性(Scalability)(大数据)

2)算法和架构

3)自动的处理大数据


我们需要学习挖掘不同类型的数据:

1)高维的数据

2)图数据

3)无限的(infinite/never-ending)数据

4)贴有标签的数据


同时我们还要学习不同的计算模型:

1)MapReduce算法

2)流和在线(Streams and Online)算法

3)Single machine in-memory


然后,还要学习解决现实中的问题,像:

1)推荐系统

2)关联规则

3)链接分析

4)重复检测

等等。


还要学习各种“工具",像:

1)线性代数(SVD,推荐系统等)

2)优化(随机梯度下降)

3)动态规划(频繁项集)

4)Hashing(LSH,Bloom filters)


以上所有的内容可以通过如下的图关联在一起来展示,如下:



在学习大数据挖掘之前,需要有如下的预备知识:

1)算法方面的知识(CS161)——动态规划,基本的数据结构等

2)基本的概率论方面的知识(CS109)——矩(Moments),典型的分布,最大似然估计(MLE)等

3)编程方面的知识(CS107)——C++或Java将非常有用


内容来自于:http://www.stanford.edu/class/cs246/slides/01-mapreduce.pdf

上一篇:上一篇
下一篇:下一篇

 

随机推荐程序问答结果

 

 

如对文章有任何疑问请提交到问题反馈,或者您对内容不满意,请您反馈给我们DOC100.NET论坛发贴求解。
DOC100.NET资源网,机器学习分类整理更新日期::2014-01-05 02:28:42
如需转载,请注明文章出处和来源网址:http://www.doc100.net/bugs/t/10250/
本文WWW.DOC100.NET DOC100.NET版权所有。