19-01 大数据与数据挖掘

Loading...

Del curso dictado por Peking University

社会调查与研究方法（下）Methodologies in Social Research (Part 2)

23 calificaciones

Explore Related Videos

At Coursera, you will find the best lectures in the world. Here are some of our personalized recommendations for you

Peking University

社会调查与研究方法（下）Methodologies in Social Research (Part 2)

23 calificaciones

社会调查与研究方法，首先，是一套观察社会现象、测量社会现象的工具；其次，是一套分析和运用社会现象数据的科学方法；最高境界，则是一套针对社会、经济、教育、政治、法律、管理、公共卫生、新闻报道等人类的生产与生活现象，进行科学沟通的思维逻辑与表达方式。

De la lección

第13周

　　本周探讨常见的数据运用的方法：统计分析与数据挖掘。主要内容包括：利用统计方法分析调查数据的基本原理是什么？针对单变量、双变量和多变量数据各有哪些统计分析方法？大数据分析与调查数据的统计分析有什么不同？数据挖掘有哪些类型，又有哪些分析技术和方法？

18-01 统计分析16:21

18-02 单变量分析17:42

18-03 双变量分析10:50

18-04 多变量分析（1）9:28

18-04 多变量分析（2）10:31

19-01 大数据与数据挖掘6:15

19-02 数据挖掘的类型8:09

19-03 数据挖掘的技术6:09

Conoce a los instructores

邱泽奇（Qiu Zeqi）
教授 (Professor)
北京大学社会学系（Department of Sociology）

了解了调查数据的统计分析，同学们很自然的一个联想就是，调查数据的统计分析方法，

是不是可以用到大数据的分析中去呢？还记得调查数据分析的两个方式，统计描述，统计推断。

在大数据分析中，显然，统计推断的方式就不存在了。

那么，统计描述是不是可以运用到大数据的分析中去呢？

不仅如此，大数据分析常常还会与数据挖掘一起出现，那么两者之间会有什么关系呢？

这就是这一部分课程的内容，为了帮助同学们理解数据挖掘，

这里推荐一本参考文献《数据挖掘导论》，同学们可以找来翻一翻。

这一部分的课程，我们希望达成两个目的。第一，让同学们了解大数据分析的原理，

至少消除对大数据分析的神秘感，了解大数据分析的路径。

第二呢，了解数据挖掘的基本知识。

为此我们安排了三节的内容，第一，大数据与数据挖掘，简要说明大数据分析与数据挖掘之间的关系。

第二，数据挖掘的类型，讨论数据挖掘要解决的问题。

第三，讨论数据挖掘的基础技术。

让同学们知道，如果希望在这个领域进一步的学习，可以朝哪个方向努力。在讨论技术性问题之前，

先解决概念性问题，了解大数据分析与数据挖掘之间的关系。

为了帮助同学们理解大数据分析，这里也推荐一本参考文献。

《大数据互联网大规模数据挖掘与分布式处理》，同学们可以找来翻一翻。

显然在大数据分析中，运用了数据挖掘的方法与技术，可是数据

挖掘并不是在大数据出现之后才产生的，而是早在大数据概念之前就已经出现了，就一直- 存在了。

早在2000年，就有人认为，数据挖掘就是

对大量数据进行探讨和分析，以便发现有意义的模式和规则。

这种策略在商业领域开始运用时，被称之为BI，即商业智能，business intelligence。

一些大型的软件早在20世纪的末期，就在开发这样的分析工具。比如，关联数据库工具，Oracle。

大型统计软件SUS，甚至比较通用的SPSS，都在开发BI工具和模块。

同学们需要澄清的是，在真正的大数据概念到来之前，

商业机构就已经在考虑，如何挖掘自己掌握的商业数据的价值了。

在大数据出现之后，数据挖掘自然成为了大数据环境下，商业智能发展的一个策略和工具。

正是在这个意义上，数据挖掘是针对大数据分析的策略，而不是具体的分析方法。

我们来看一个HBCC的框架图，这幅图清晰的告诉了我们，从大数据到商业应用的4个环节，

也是大数据分析的基本策略。绿色的部分为大数据的数据部分，

蓝色的部分为我们之前讨论的数据清理的部分。红色的部分呢，为数据挖掘部分，

运用的都是数据挖掘策略。

紫色部分就是挖掘后的应用部分。

在前面的课程中，讨论数据清理之后，我们就把大数据的议题放下来。同学们还记得通过数据清理，我们得到-

了什么？对的，一堆已经分类了的单的变量值，就是这里的useful data。

注意，这些变量值并不像调查那样，在研究设计阶段就已经有了

变量之间关系模式的假设。大数据清理完成之后的变量值，就是一个一个的变量值。

变量之间的关系是不清楚的。

如果要做数据挖掘，对这类数据，还需要进行加工和处理。我们之前得到的，是一个数据集成，

对这个集成，需要进行数据选择。选择以后呢？还需要经过数据变换，

转换为可计算的数据类型和格式。

此时就可以进入数据的挖掘阶段，数据挖掘，

就是在一堆一个一个的变量之间，寻找发现变量之间的关系模式。

挖掘之后呢？模型是不是可靠，还需要评估。比如谷歌的流感模型，

2012到2013年就有点不靠谱，为此就需要改进。

如果模型具有预测性，就可以形成暂时的标准模型了。

这就是知识的表达。如何能够做到这一点呢？这就涉及到了数据挖掘的技术，

在数据挖掘中，理论上就是统计学理论，也运用统计学的分析技术。

在数据分析的效率上，则需要

使用算法技术。此外，还需要用到其他技术，比如缓存技术、存储技术等等。

对大数据而言，数据挖掘的关键在于，在明确了理论之后，算法技术就是关键。

它涉及到数据库，挖掘结果的可视化，挖掘过程的机器学习，以及挖掘中的模式识别。

下边我们把这一节的内容做一个小结。

大数据分析的基本策略来自于数据挖掘，可是数据

挖掘呢，是早于大数据的概念，是从商业智能发展演变过来的。

数据挖掘是在可计算的条件下，对数据进行探索，以获取有意义的

事物之间的关联模式，在数据挖掘的行当里叫做模式识别。

无论是数据挖掘，还是大数据分析，分析技术的理论还是统计学的。

对事物之间关系模式的认识呢，还是社会科学的。

这节的内容就到这里，谢谢大家。

Explora nuestro catálogo

Inscríbete de manera gratuita y obtén recomendaciones personalizadas, actualizaciones y ofertas.

Coursera brinda acceso universal a la mejor educación del mundo, al asociarse con las mejores universidades y organizaciones, para ofrecer cursos en línea.

© 2019 Coursera Inc. Todos los derechos reservados.

Descargar en la App Store

Consíguelo en Google Play