大數(shù)據(jù)分析指對(duì)龐大數(shù)據(jù)的分析。收集、清理挖掘、分析大數(shù)據(jù)，大數(shù)據(jù)主要包括數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)管理和數(shù)據(jù)分析和挖掘技術(shù)，自然語(yǔ)言處理技術(shù)，數(shù)據(jù)分析和data 挖掘 1的區(qū)別。先做數(shù)據(jù)分析，一般指數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)篩選和畫像2，高級(jí)數(shù)據(jù)挖掘，數(shù)據(jù)。

大數(shù)據(jù)環(huán)境具有以下特征，因此挖掘中涉及的技術(shù)也與之相對(duì)應(yīng):1。數(shù)據(jù)來(lái)源很多，大數(shù)據(jù)挖掘的研究對(duì)象往往不僅僅涉及一個(gè)業(yè)務(wù)系統(tǒng)，肯定是多個(gè)系統(tǒng)的融合分析。因此，需要強(qiáng)大的ETL技術(shù)來(lái)集成多個(gè)系統(tǒng)的數(shù)據(jù)。2.數(shù)據(jù)的維度高，整合后的數(shù)據(jù)不僅僅是傳統(tǒng)數(shù)據(jù)的那些維度挖掘，還有上百個(gè)維度。

神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)由于其良好的魯棒性、自組織和自適應(yīng)性、并行處理、分布式存儲(chǔ)和高容錯(cuò)性，非常適合解決數(shù)據(jù)問題挖掘因此近年來(lái)受到越來(lái)越多的關(guān)注。遺傳算法遺傳算法是一種基于生物自然選擇和遺傳機(jī)制的隨機(jī)搜索算法，是一種仿生全局優(yōu)化方法。遺傳算法因其隱含的并行性和易于與其他模型結(jié)合，在data 挖掘中得到應(yīng)用。

其主要優(yōu)點(diǎn)是描述簡(jiǎn)單，分類速度快，特別適合大規(guī)模數(shù)據(jù)處理。粗糙集理論是一種研究不精確和不確定知識(shí)的數(shù)學(xué)工具。粗糙集方法有幾個(gè)優(yōu)點(diǎn):它不需要給出額外的信息；簡(jiǎn)化輸入信息的表達(dá)空間；該算法簡(jiǎn)單，易于操作。粗糙集處理的對(duì)象是類似于二維關(guān)系表的信息表。覆蓋正例拒斥反例法是利用覆蓋所有正例拒斥所有反例的思想來(lái)尋找規(guī)律。首先，從正例集中選擇一個(gè)種子，逐個(gè)與反例集進(jìn)行比較。

1。分析可視化數(shù)據(jù)可視化是數(shù)據(jù)分析 tool的最基本要求，無(wú)論是對(duì)于專家還是普通用戶?？梢暬梢灾庇^地展示數(shù)據(jù)，讓數(shù)據(jù)自己說(shuō)話，讓受眾聽到結(jié)果。2.data mining algorithms(data 挖掘算法)可視化是給人看的，data挖掘是給機(jī)器看的。聚類、分割、離群點(diǎn)分析等算法讓我們深入數(shù)據(jù)，挖掘 value。

3.預(yù)測(cè)分析能力Data 挖掘可以讓分析師更好地理解數(shù)據(jù)，而預(yù)測(cè)分析則可以讓分析師根據(jù)可視化分析的結(jié)果和data 挖掘做出一些預(yù)測(cè)性的判斷。4.SemanticEngines(語(yǔ)義引擎)由于非結(jié)構(gòu)化數(shù)據(jù)的多樣性，給數(shù)據(jù)分析帶來(lái)了新的挑戰(zhàn)，它需要一系列的工具來(lái)解析、提取和分析數(shù)據(jù)。