当前课程知识点:大数据管理与挖掘 >  第4章 大数据分析 >  4.2 大数据的交互式分析 >  4.2 大数据的交互式分析

返回《大数据管理与挖掘》慕课在线视频课程列表

4.2 大数据的交互式分析在线视频

下一节:4.3 云在线聚集

返回《大数据管理与挖掘》慕课在线视频列表

4.2 大数据的交互式分析课程教案、知识点、字幕

欢迎回来

我们继续讲第二节的内容

大数据的交互式分析

大数据交互式分析它的具体背景来讲

我们的传统的单机查询优化方法

优化技术

很难在我们集群的分布式数据存储结构上

直接应用

为此在这基础上

我们进行大数据的交互式分析

我们大数据往往是非结构化的或者说异构的

使得我们的查询优化方法很难

从海量数据中挖掘出有效的

或者嵌套的结构的进行

查询技术和查询方法

为此在我们大数据环境下

查询所经常使用这些方式

实时的交互式技术也就是交互的任务

而我们传统的数据库优化查询技术

无法应对此类现象和此类交互任务

对此我们采取的方法是

交互性和我们的实时性进行处理

那么处理过程当中

我针对我们用户查询过程中系统及时

或者说不断的提供这些反馈信息

我们进行交互的处理

使得我们用户能够快速做出反应

而且根据我们的查询结果

在优化条件下

我们进一步的查询

从而找到与我们最相关的最有意义的结果

而我们的实时性主要

能够快速响应

用户的各类不同查询输入

在尽可能短时间内完成了这个查询

从而得到了快速的这种查询效果

在分布环境下

通过增加硬件资源

比如CPU 内存等来减小

我们的数据查询的时间

具体来讲

我们在整个数据查询力度和查询时间上

我们有延迟 对这个延迟来进行权衡

以牺牲一定的数据力度

来换取查询时间上的大幅度的减少

我们的整个过程要帮助数据分析人员

以一种快捷和循环的方式

来对我们的假设和我们的问题

进行探索是我们的数据探索过程

可以按照人们的思考的速度来进行完成

既要满足专业人员

提高我们数据分析的要求

也要减少我们编程人员的更好的完成

我们数据分析任务

因为这个过程当中

很多领域的专业人员

并不一定熟悉计算机的相关技术

由此更需要交互式分析的

延迟时间和接口的复杂度的研究

因为在这里面

我们的最显著的延迟或过于复杂的接口

不仅会阻碍我们分析的结果

也会严重影响我们分析的深度和广度

在我们整个数字环境下

由于我们数据的海量性和多样性

使得传统的交换的分析方法和工具

无法满足我们的人际交互的直观性

因此

如何完成可视化的交互式分析

成了新的研究热点

比如我们的右图所示

我们大数据的交互方式的本质是

从数据中获取信息

并形成知识的一个认知过程

我们从信息论角度出发

认知主体往往根据需求

来构建有意义的信息

在数据内在意义上与我们的需求

整个外界环境不断的交互

从而产生了认知过程

当然

从认知理论的角度出发

认知主体会根据位置信息刺激我们的本身

从而与已具有的知识及结构

或者说丰富我们的自身体系

根据已有的知识

利用新的信息来构建新的知识体系

我们大数据分析的

基本的系统结构和步骤如下所示

数据的存储第一个

我们的最常用的数据存储方式

包括我们的行存储 列存储和混合存储

而第二个就是

设置相应的查询语言和查询模式

查询语言需要简单

而且查询模型也可以采用

树状结构或者图形结构

第三个就是我们的查询结构

要直观的展示以可视化的结果展示出来

具体我们的可视化分析过程

和运行机制可以从右图所示

可以得到

这是我们第二章的交互式分析的内容

大数据管理与挖掘课程列表:

第1章 课程概述

-第1章 教学目标

--第1章 教学目标

-1.1 大数据的基本概念

--1.1 大数据的基本概念

-1.2 大数据的演变过程

--1.2 大数据的演变过程

-1.3 大数据应用

--1.3 大数据应用

-1.4 大数据的处理模式

--1.4 大数据的处理模式

-1.5 大数据管理的关键技术

--1.5 大数据管理的关键技术

-第1章 作业

--第1章 作业

-第1章 讨论

--第1章 讨论

第2章 大数据融合

-第2章 教学目标

--第2章 教学目标

-2.1 大数据融合的概念

--2.1 大数据融合的概念

-2.2 大数据融合的方法论

--2.2 大数据融合的方法论

-2.3 数据融合技术

--2.3 数据融合技术

-2.4 知识融合技术

--2.4 知识融合技术

-2.5 大数据融合的驱动枢纽

--2.5 大数据融合的驱动枢纽

-2.6 小结

--2.6 小结

-第2章 作业

--第2章 作业

-第2章 讨论

--第2章 讨论

第3章 大数据存储

-第3章 教学目标

--第3章 教学目标

-3.1 大数据存储与管理方法

--3.1 大数据存储与管理方法

-3.2 基于新型存储的大数据管理

--3.2 基于新型存储的大数据管理

-3.3 大数据处理与存储一体化技术

--3.3 大数据处理与存储一体化技术

-3.4 小结

--3.4 小结

-第3章 作业

--第3章 作业

-第3章 讨论

--第3章 讨论

第4章 大数据分析

-第4章 教学目标

--第4章 教学目标

-4.1 大数据的实时分析

--4.1 大数据的实时分析

-4.2 大数据的交互式分析

--4.2 大数据的交互式分析

-4.3 云在线聚集

--4.3 云在线聚集

-4.4 大数据的智能分析

--4.4 大数据的智能分析

-4.5 小结

--4.5 小结

-第4章 作业

--第4章 作业

-第4章 讨论

--第4章 讨论

第5章 大数据隐私

-第5章 教学目标

--第5章 教学目标

-5.1 隐私保护技术

--5.1 隐私保护技术

-5.2 隐私保护技术的应用

--5.2 隐私保护技术的应用

-5.3 大数据隐私管理

--5.3 大数据隐私管理

-5.4 小结

--5.4 小结

-第5章 作业

--第5章 作业

-第5章 讨论

--第5章 讨论

第6章 大数据管理系统

-第6章 教学目标

--第6章 教学目标

-6.1 云计算 大数据基础平台与支撑技术

--6.1 云计算 大数据基础平台与支撑技术

-6.2 批数据与流数据管理系统

--6.2 批数据与流数据管理系统

-6.3 SQL NOSQL与NEWSQL系统

--6.3 SQL NOSQL与NEWSQL系统

-6.4 小结

--6.4 小结

-第6章 作业

--第6章 作业

-第6章 讨论

--第6章 讨论

第7章 数据回归方法

-第7章 教学目标

--第7章 教学目标

-7.1 一元回归

--7.1 一元回归

-7.2 多元回归

--7.2 多元回归

-7.3 逐步回归

--7.3 逐步回归

-7.4 Logistic回归

--7.4 Logistic回归

-7.5 应用实例-多因子选股模型的实现

--7.5 应用实例-多因子选股模型的实现

-7.6 小结

--7.6 小结

-第7章 作业

--第7章 作业

-第7章 讨论

--第7章 讨论

第8章 分类方法

-第8章 教学目标

--第8章 教学目标

-8.1 分类方法概要

--8.1 分类方法概要

-8.2 K-近邻(KNN)

--8.2 K-近邻(KNN)

-8.3 贝叶斯分类

--8.3 贝叶斯分类

-8.4 神经网络

--8.4 神经网络

-8.5 LOGISTIC分类

--8.5 LOGISTIC分类

-8.6 判别分析

--8.6 判别分析

-8.7 支持向量机(SVM)

--8.7 支持向量机(SVM)

-8.8 决策树

--8.8 决策树

-8.9 分类的评判

--8.9 分类的评判

-8.10 小结

--8.10 小结

-第8章 作业

--第8章 作业

-第8章 讨论

--第8章 讨论

第9章 聚类方法

-第9章 教学目标

--第9章 教学目标

-9.1 聚类方法概要

--9.1 聚类方法概要

-9.2 K-means方法

--9.2 K-means方法

-9.3 层次聚类

--9.3 层次聚类

-9.4 神经网络聚类

--9.4 神经网络聚类

-9.5 模糊C-均值(FCM)方法

--9.5 模糊C-均值(FCM)方法

-9.6 高斯混合聚类方法

--9.6 高斯混合聚类方法

-9.7 类别数的确定方法

--9.7 类别数的确定方法

-9.8 应用实例-股票聚类分池

--9.8 应用实例-股票聚类分池

-9.9 小结

--9.9 小结

-第9章 作业

--第9章 作业

-第9章 讨论

--第9章 讨论

第10章 预测方法

-第10章 教学目标

--第10章 教学目标

-10.1 预测方法概要

--10.1 预测方法概要

-10.2 灰色预测

--10.2 灰色预测

-10.3 马尔科夫预测

--10.3 马尔科夫预测

-10.4 实用实例-纺纱质量预测

--10.4 实用实例-纺纱质量预测

-10.5 小结

--10.5 小结

-第10章 作业

--第10章 作业

-第10章 讨论

--第10章 讨论

第11章 诊断方法

-第11章 教学目标

--第十一章 教学目标

-11.1 离群点诊断概要

--11.1 离群点诊断概要

-11.2 基于统计的离群点诊断

--11.2 基于统计的离群点诊断

-11.3 基于距离的离群点诊断

--11.3 基于距离的离群点诊断

-11.4 基于密度的离群点挖掘

--11.4 基于密度的离群点挖掘

-11.5 基于聚类的离群点挖掘

--11.5 基于聚类的离群点挖掘

-11.6 应用实例-纱线断点诊断

--11.6 应用实例-纱线断点诊断

-11.7 小结

--11.7 小结

-第11章 作业

--第11章 作业

第12章 大数据技术应用

-第12章 教学目标

--第12章 教学目标

-12.1 数字挖掘技术的应用

--12.1 数字挖掘技术的应用

-12.2 纺纱质量控制

--12.2 纺纱质量控制

-第12章 作业

--第12章 作业

-第12章 讨论

--第12章 讨论

4.2 大数据的交互式分析笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。