漳职院学业水平大数据技术与应用专业学习的重点内容

2021/03/01 05:36:35 编辑：李老师来源：网络整理手机版挑选专业

在高考志愿填报时期,想必大家在专业选择上都比较懊恼，不知道选什么专业比较好，以下就是百闽小编为大家整理的与《漳职院学业水平大数据技术与应用专业学习的重点内容》相关的内容。

漳州职业技术学院是一所由漳州市人民政府举办，经福建省人民政府批准、教育部备案的全日制普通高等职业院校，是国家示范性高等职业院校。

大数据技术概述

麦肯锡全球研究所将“大数据”定义为：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、赶快的数据流转、多样的数据类型和价值密度低四大特征。

从数据本身看，大数据是利用传统数据库软件无法满足该大小数据处理分析需求的数据集合；从技术角度看，大数据技术是利用非常规工具对各种结构的数据进行采集、挖掘、分析和预测的大数据处理技术；从应用角度看，大数据是对业务领域的数据进行采集、集合运算、分析调用和集成应用，获得有价值信息的应用。多种技术组合共同构成了大数据技术，包括数据采集、存储管理、分析挖掘、可视化等多个过程技术。

大数据知识点：什么类型的模式可以挖掘?

数据挖掘功能用于指定数据挖掘任务发现的模式，一般而言，这些任务可以分为两类:描述性和预测性。描述性挖掘任务刻画目标数据中数据的一般性质，预测性挖掘任务在当前数据上进行归纳，以便进行预测。

(1)类/概念描述:特征化与区分；数据可以与类或概念相关联。数据特征化是目标类数据的一般特性或特征的汇总。将数据汇总和特征化的方法:基于统计度量和图的简单数据汇总、基于数据立方体的OLAP上卷操作、面向属性的归纳技术。数据特征的输出可以用多种形式提供:饼图、条图、曲线、多位数据立方体、多维表;数据区分是将目标类数据对象的一般特性与一个或多个对比类对象的一般特性进行比较。

(2)挖掘频繁模式、关联和相关性；频繁模式包括频繁项集(基础)、频繁子序列和频繁子结构。

(3)用于预测分析的分类与回归；分类预测类别标号，而回归建立连续值函数模型。回归分析是较常用的数值预测统计学方法，相关分析可能需要在分类和回归之前进行，它试图识别与分类和回归过程显著相关的属性。

(4)聚类分析；聚类分析数据对象，而不考虑类标号。

(5)离群点分析；大部分数据挖掘都将离群点作为噪声或异常而丢弃，然而在一些应用中可以做离群点分析或异常挖掘