隨著云時(shí)代的來(lái)臨,大數(shù)據(jù)(Big data)也吸引了越來(lái)越多的關(guān)注。大數(shù)據(jù)(Big data)通常用來(lái)形容一個(gè)公司創(chuàng)造的大量非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù),這些數(shù)據(jù)在下載到關(guān)系型數(shù)據(jù)庫(kù)用于分析時(shí)會(huì)花費(fèi)過多時(shí)間和金錢。大數(shù)據(jù)分析常和云計(jì)算聯(lián)系到一起,因?yàn)閷?shí)時(shí)的大型數(shù)據(jù)集分析需要像MapReduce一樣的框架來(lái)向數(shù)十、數(shù)百或甚至數(shù)千的電腦分配工作。不是隨機(jī)樣本,而是全體數(shù)據(jù):在大數(shù)據(jù)時(shí)代,我們可以分析更多的數(shù)據(jù),有時(shí)候甚至可以處理和某個(gè)特別現(xiàn)象相關(guān)的所有數(shù)據(jù),而不再依賴于隨機(jī)采樣。不是精確性,而是混雜性:研究數(shù)據(jù)如此之多,以至于我們不再熱衷于追求精確度;之前需要分析的數(shù)據(jù)很少,所以我們必須盡可能精確地量化我們的記錄,隨著規(guī)模的擴(kuò)大,對(duì)精確度的癡迷將減弱;擁有了大數(shù)據(jù),我們不再需要對(duì)一個(gè)現(xiàn)象刨根問底,只要掌握了大體的發(fā)展方向即可,適當(dāng)忽略微觀層面上的精確度,會(huì)讓我們?cè)诤暧^層面擁有更好的洞察力;不是因果關(guān)系,而是相關(guān)關(guān)系:我們不再熱衷于找因果關(guān)系,尋找因果關(guān)系是人類長(zhǎng)久以來(lái)的習(xí)慣,在大數(shù)據(jù)時(shí)代,我們無(wú)須再緊盯事物之間的因果關(guān)系,而應(yīng)該尋找事物之間的相關(guān)關(guān)系;相關(guān)關(guān)系也許不能準(zhǔn)確地告訴我們某件事情為何會(huì)發(fā)生,但是它會(huì)提醒我們這件事情正在發(fā)生。
如因作品內(nèi)容,版權(quán)和其它問題請(qǐng)與本播主聯(lián)系的,請(qǐng)?jiān)?0日內(nèi)進(jìn)行。
免責(zé)聲明:本書院為非營(yíng)利性機(jī)構(gòu)。以方便網(wǎng)友為主,僅供學(xué)習(xí)研究。
內(nèi)容由熱心網(wǎng)友提供和網(wǎng)上收集,不保留版權(quán)。若侵犯了您的權(quán)益,來(lái)信即刪。srn2188@sina.com
尬小子The_Joker
很多時(shí)候,我們的感覺并不真是我們自己的,而是外界加于我們的。有個(gè)詞叫“信息繭房”,當(dāng)你以為你可以看得到全世界的消息時(shí),殊不知那些信息都是經(jīng)過大數(shù)據(jù)篩選后推給你的,所以,別活在小圈子里,時(shí)常跳出去看看。