读者来稿 | 浅谈大数据时代

大数据、机器学习、数据挖掘、深度学习这些在当下被无数次提到的名词其真实意义是什么？他们真的被正确使用了么？

比如说，曾经在广播电台里听到主持人说，“根据大数据我们计算出这个餐厅的位置在地图上的 XX 市”。又比如说，面试的时候被问到大数据是什么，面试官给的答案是“高速，大量，低价值，多样性”。我们总喜欢加入一些高大上的词语，令言语变得更有力量。可是殊不知越质朴的文字，越有打动人的魅力。其实这些听起来令人费解的词语，本质是数学，统计和计算科学。

好吧，显而易见，大部分事物的本质都很简单。

来随便聊一聊吧。大数据是随着计算机、网络的普及，我们有能力将日常生活中产生的数据都收集起来。随着数据量的日益增长，无数的信息被囊括其中，大数据时代应运而生。在这个时代里，由数据产生了技术。在这个时代里，数据是一切的基础，没有数据的技术宛若空中楼阁（所以可能末世来临，我们是最没用处的一个职业）。在这个时代里，如果能得到你的一切相关数据，那么在一定程度上能还原你的人生轨迹。

举个简单的例子，曾经在学校里上过一门课叫数据可视化，老师让大家安装一个记录步数地点和时间的 App，假期结束后把数据导出来任我们自由发挥。从这批数据里，我能从每天的数据里知道对于你这几天的相关信息。

比如说，有个人先坐车到 DC，再从 DC 坐飞机飞到 SF，在 SF 机场坐地铁去了三藩市，之后在三藩市里闲逛。我可以从地点判断你的去向，从点的密集程度判断你的移动方式。所以想想看，如果我能知道你的支付信息，那么我就能够判断你的消费情况、购物喜好、家庭情况等，如果我知道你的社交网络，那么我就能够判断你的喜好，谁不偏爱顺你心意的人呢？这也是 Facebook 这次信息泄漏后果如此严重的根本原因，还好小扎国会听证会可以撑住全场（想看他的听证会）。

---

好了扯远了，收！
那么机器学习、数据挖掘、数据分析又是什么呢？收集到的数据里含有很多信息，但是要通过合适的方式才能发现其中的规律，所以人们就总结了如何从中获得价值的方法，从而诞生了数据科学这个新的领域。如果将这个领域类比成武林，那么其中有很多不同的流派，语音、文字、结构化数据等，每个流派都有一套自己的修炼方式，但其根本是同源的。所以如果想要真正的了解，需要从统计学开始系统地学习。

简单的举一个例子，监督性学习。监督性学习中机器好比一个懵懂的小孩，我们不停的用已有的知识教导他，告诉他圆圆的、红色的水果是苹果，告诉他黄色的是梨子，告诉他绿色的、圆圆的是西瓜。经过不停的比较、修正、学习，那么当你给他一个新的物体时，他能够通过已有的特征根据以往学习的经验来判断这是西瓜、苹果还是梨子。之所以需要机器，是因为不同的物体有许多不一样的特征，数亿级的量级下单凭人工想要完全发掘是不可能的，所以机器学习、数据挖掘都是帮助我们快速寻找规律的工具。

感谢本文作者 @嘭 的优质输出

专业背景

本科中山大学，研究生美国弗吉尼亚大学统计系，目前从事互联网人工智能方向。

点击「阅读原文」查看她的知乎主页，认识她！

向她提问