<tt id="dzlqv"></tt>
    1. <var id="dzlqv"></var>
        <nav id="dzlqv"></nav>

        <listing id="dzlqv"></listing>

        從天氣預報看大數據預測的應用

        2014-12-30            8條評論
        導讀: 從天氣預報看大數據預測的應用,大數據預測的邏輯基礎是,每一種非常規的變化事前一定有征兆,每一件事情都有跡可循,如果找到了征兆與變化之間的規律,就可以進行預測。大數據預測無法確定某件事情必然會發生,它更多是給出一個概率。

        人們在談論大數據的采集、存儲和挖掘時,最常見的應用案例便是“預測股市”“預測流感”“預測消費者行為”,預測性分析是大數據最核心的功能。

        大數據還擁有數據可視化和大數據挖掘的功能,對已發生的信息價值進行挖掘并輔助決策。傳統的數據分析挖掘在做相似的事情,只不過效率會低一些或者說挖掘的深度、廣度和精度不夠。大數據預測則是基于大數據和預測模型去預測未來某件事情的概率。讓分析從“面向已經發生的過去”轉向“面向即將發生的未來”是大數據與傳統數據分析的最大不同。

        大數據預測的邏輯基礎是,每一種非常規的變化事前一定有征兆,每一件事情都有跡可循,如果找到了征兆與變化之間的規律,就可以進行預測。大數據預測無法確定某件事情必然會發生,它更多是給出一個概率。

        從天氣預報看大數據預測的四個條件

        在互聯網之前便已經有基于大數據的預測分析了:天氣預報。因為互聯網,天氣預報為代表的大數據預測的以下幾個特征在更多領域得到體現。

        1、大數據預測的時效性

        天氣預報粒度從天縮短到小時,有嚴苛的時效要求,基于海量數據通過傳統方式進行計算,得出結論時明天早已到來,預測并無價值。其他領域的大數據預測應用特征對“時效性”有更高要求,譬如股市、實時定價,而云計算、分布式計算和超級計算機的發展則提供了這樣的高速計算能力。

        2、大數據預測的數據源

        天氣預報需要收集海量氣象數據,氣象衛星、氣象站臺負責收集,但整套系統的部署和運維耗資巨大。在互聯網之前鮮有領域具備這樣的數據收集能力。WEB1.0為中心化信息產生、WEB2.0為社會化創造、移動互聯網則是隨時隨地、社會化和多設備的數據上傳,每一次演化數據收集的成本都大幅降低,范圍和規模則大幅擴大。大數據被引爆的同時,大數據預測所需數據源不再是問題。

        3、大數據預測的動態性

        不同時點的計算因子動態變化,任何變量都會引發整個系統變化,甚至產生蝴蝶效應。如果某個變量對結果起決定性作用且難以捕捉,預測難上加難,譬如人為因素。大數據預測的應用場景大都是極不穩定的領域但有固定規律,譬如天氣、股市、疾病。這需要預測系統對每一個變量數據的精準捕捉,并接近實時地調整預測。發達的傳感器網絡外加大數據計算能力讓上述兩點更加容易。

        4、大數據預測的規律性

        大數據預測與傳統的基于抽樣的預測不同之處在于,其基于海量歷史數據和實時動態數據,發現數據與結果之間的規律,并假設此規律會延續,捕捉到變量之后進行預測。一個領域本身便有相對穩定的規律,大數據預測才有機會得到應用。古人夜觀天象就說明天氣是由規律可循的,因此氣象預報最早得到應用。反面案例則是規律難以捉摸,數據源收集困難的地震預測,還有雙色球彩票。

        轉載內容來源網絡,如有侵權請聯系刪除([email protected]),我們對原文作者深表敬意。
        博思數據微信公眾號
        長按上圖二維碼關注更多信息

        有問題 找博思 做調研 更專業

            聚焦最新、最熱、最有價值的產業資訊,追蹤全球最熱行業市場分析,提供最全面實時調研數據,全面提升您個人及企業的核心競爭力,一切盡在博思數據。在微信公眾賬號中搜索“博思網”,或用手機掃描左方二維碼。

        全文鏈接:http://www.bncz.tw/zhishiku/201412/C4477553LR.html
        十一选五的最佳买法