大數(shù)據(jù)時代數(shù)學(xué)知識的全面應(yīng)用探索

王珂

摘 要：數(shù)學(xué)知識在大數(shù)據(jù)中，在數(shù)據(jù)的處理以及挖掘上是十分重要的。本文將分析大數(shù)據(jù)與數(shù)學(xué)知識的關(guān)聯(lián)性與在大數(shù)據(jù)時代實現(xiàn)數(shù)學(xué)知識全面應(yīng)用的重要性，來探討在大數(shù)據(jù)時代中數(shù)學(xué)知識的應(yīng)用，以此充分發(fā)揮數(shù)學(xué)知識在大數(shù)據(jù)時代的作用。

關(guān)鍵詞：大數(shù)據(jù)時代;數(shù)據(jù)處理;數(shù)據(jù)挖掘;數(shù)學(xué)知識

中圖分類號：G634.6 文獻標(biāo)識碼：A 文章編號：2095-9052（2020）01-0199-02

科技的發(fā)展與進步，離不開對數(shù)學(xué)知識的應(yīng)用，作為學(xué)習(xí)和研究現(xiàn)代科學(xué)技術(shù)必不可少的基本工具，數(shù)學(xué)在人類歷史的發(fā)展當(dāng)中一直發(fā)揮著重要作用。在進入大數(shù)據(jù)時代后，數(shù)學(xué)依舊影響著大數(shù)據(jù)中數(shù)據(jù)處理以及數(shù)據(jù)挖掘等方面，同時數(shù)學(xué)也是大數(shù)據(jù)時代進一步發(fā)展的重要助力。

一、大數(shù)據(jù)與數(shù)學(xué)知識的關(guān)聯(lián)

在研究大數(shù)據(jù)與數(shù)學(xué)知識的關(guān)聯(lián)前，首先要分析兩者的概念。大數(shù)據(jù)的概念為“是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來適應(yīng)海量、高增長率和多樣化的信息資產(chǎn)。”而數(shù)學(xué)的概念為“研究數(shù)量、結(jié)構(gòu)、變化、空間以及信息等概念的一門學(xué)科?！庇纱丝梢钥闯觯髷?shù)據(jù)是需要有特定處理模式才能具有其獨特元素的一種信息資產(chǎn)，這種特定的處理模式，則是由數(shù)學(xué)作基本學(xué)科與工具所搭建而成的。也就是說，一旦缺乏對數(shù)學(xué)知識的應(yīng)用，那么大數(shù)據(jù)便不再具備其自身的相應(yīng)特性，對信息資產(chǎn)的利用也不再存在。這就表明，對數(shù)學(xué)知識的應(yīng)用，是大數(shù)據(jù)得以實現(xiàn)的基礎(chǔ)。

二、大數(shù)據(jù)時代實現(xiàn)數(shù)學(xué)知識全面應(yīng)用重要性

在大數(shù)據(jù)時代，數(shù)學(xué)知識的應(yīng)用影響著大數(shù)據(jù)的數(shù)據(jù)處理以及數(shù)據(jù)挖掘兩個重要方面。大數(shù)據(jù)擁有著被稱為“5V”的五種特性，其分別為： Volume（大量）;Velocity（高速）;Variety（多樣）;Value（低價值密度）;Veracity（真實性）。這表明了大數(shù)據(jù)能容納大量的數(shù)據(jù)，有著高速的數(shù)據(jù)獲取與處理能力，數(shù)據(jù)涵蓋了各個方面不再具有單一性，并且數(shù)據(jù)的價值含量低，但卻有著高質(zhì)量與高真實性。根據(jù)相關(guān)統(tǒng)計表明，全球每年的數(shù)據(jù)增長率已經(jīng)高達50%以上，并仍在逐漸的增長當(dāng)中。而這些不斷增加的數(shù)據(jù)便需要通過數(shù)學(xué)知識來對其進行處理與挖掘，才能夠使其順利地得到應(yīng)用。

數(shù)據(jù)挖掘在大數(shù)據(jù)時代中有著獨特的地位，而其誕生也與大數(shù)據(jù)的出現(xiàn)息息相關(guān)。在進行數(shù)據(jù)挖掘的過程中，其側(cè)重點的不同，使其對應(yīng)的方法與定義也存在著差異。在其誕生之初，對數(shù)據(jù)挖掘的定義為“全面提取數(shù)據(jù)當(dāng)中暗示或未知的可能有用的信息?！钡S著大數(shù)據(jù)的廣泛應(yīng)用，數(shù)據(jù)挖掘已經(jīng)脫離了其作為統(tǒng)計模型技術(shù)的范疇，而是成為一種專業(yè)活動被廣泛地應(yīng)用于各個行業(yè)當(dāng)中，除了常見的教育、科研、營銷、通信、制造、網(wǎng)絡(luò)等產(chǎn)業(yè)外，其在商業(yè)人工智能的研究領(lǐng)域也發(fā)揮著作用。而在進行數(shù)據(jù)挖掘的過程中，一旦脫離了數(shù)學(xué)知識的應(yīng)用，便無法提取數(shù)據(jù)中的潛在信息與知識，其為各方面產(chǎn)業(yè)提供客觀數(shù)據(jù)依據(jù)的功能也無法實現(xiàn)。

三、數(shù)學(xué)知識在大數(shù)據(jù)時代中的應(yīng)用

1.運用于數(shù)據(jù)處理當(dāng)中

在大數(shù)據(jù)中，對一個數(shù)據(jù)進行分析，首先要收集并對這個數(shù)據(jù)進行初步的處理。并且因為大數(shù)據(jù)在使用的過程中為了確保時效性，必需要要在數(shù)據(jù)的收集與處理過程中，嚴格地對時間進行控制，這就導(dǎo)致其對數(shù)據(jù)處理的效率以及結(jié)構(gòu)有著極高的要求。并且原始數(shù)據(jù)自身的特性，也會對數(shù)據(jù)的收集與處理帶來影響。例如，當(dāng)一個大數(shù)據(jù)在進行信息處理的過程中，其原始數(shù)據(jù)存在噪聲，并且完整性與統(tǒng)一也存在有問題，這時為了確保數(shù)據(jù)的準(zhǔn)確性，大數(shù)據(jù)自身會對該項數(shù)據(jù)進行預(yù)處理。也因此，為了提升處理效率，在大數(shù)據(jù)的應(yīng)用過程中，需要利用到數(shù)學(xué)知識當(dāng)中大量的分析法。在一般情況下，大數(shù)據(jù)應(yīng)用的較為普遍的分析法為統(tǒng)計學(xué)方法，比如其中的描述性分析法、回歸分析法、相關(guān)性分析法等。例如，當(dāng)一個數(shù)據(jù)需要對一個參數(shù)或模型進行檢驗與判斷時，便會應(yīng)用回歸分析法來對數(shù)據(jù)進行估計，并建立起相應(yīng)的數(shù)學(xué)模型。此外，數(shù)據(jù)處理的過程中，還涉及多項數(shù)學(xué)理論。比如，當(dāng)一個大數(shù)據(jù)內(nèi)需要對一個數(shù)據(jù)進行降維處理時，便會為了保障數(shù)據(jù)的完整性，獲得更多數(shù)據(jù)信息而使用通過運算對多個單調(diào)測度進行結(jié)合的測度論。

2.運用于數(shù)據(jù)挖掘當(dāng)中

數(shù)據(jù)挖掘，是大數(shù)據(jù)應(yīng)用的核心內(nèi)容，如果脫離了數(shù)據(jù)挖掘，那么在大數(shù)據(jù)的應(yīng)用過程中，便無法從復(fù)雜且沒有規(guī)律的數(shù)據(jù)中提取所需的有效信息。在實際應(yīng)用當(dāng)中，數(shù)據(jù)挖掘具有應(yīng)用性、工程性、集合性和交叉性等特點，并且在進行數(shù)據(jù)挖掘時，通常會采用神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)分析法、聚類分析法及決策樹法等數(shù)學(xué)方法。而作為被廣泛應(yīng)用于心理學(xué)、醫(yī)學(xué)、市場營銷等方面的聚類分析法，是數(shù)據(jù)挖掘中最為常用的一種數(shù)學(xué)方法，在實施的過程中通常應(yīng)用灰色關(guān)聯(lián)分析、目標(biāo)函數(shù)模糊及區(qū)間值算法等數(shù)學(xué)知識，并且其具體表現(xiàn)為：

第一，灰色關(guān)聯(lián)分析?；疑P(guān)聯(lián)分析的主要作用，是其可以通過當(dāng)前數(shù)據(jù)中幾何曲線中的幾何形狀來對當(dāng)前大數(shù)據(jù)中各項數(shù)據(jù)的關(guān)聯(lián)性大小進行判斷，如果數(shù)據(jù)的幾何形狀越相近其關(guān)聯(lián)性越大，反之，如果幾何形狀差異越大，其關(guān)聯(lián)性也就越小。在進行數(shù)據(jù)挖掘的過程中，灰色關(guān)聯(lián)分析通常被應(yīng)用于樣本數(shù)據(jù)量較小、樣本存在殘缺或是樣本數(shù)據(jù)缺乏統(tǒng)一性等情況中。例如，當(dāng)一個企業(yè)想要對自身的某類財務(wù)信息利用大數(shù)據(jù)進行數(shù)據(jù)分析時，發(fā)現(xiàn)自身在對財務(wù)信息進行錄入的時候，因為工作人員問題產(chǎn)生了數(shù)據(jù)樣本缺失的情況，這時大數(shù)據(jù)通過灰色關(guān)聯(lián)分析，依舊能夠挖掘出相應(yīng)的數(shù)據(jù)信息。

第二，目標(biāo)函數(shù)模糊。這種方法是對數(shù)據(jù)進行標(biāo)準(zhǔn)化與標(biāo)定后，通過建立與其相應(yīng)的模糊矩陣，利用直接聚類、模糊等價矩陣等方式來實現(xiàn)對數(shù)據(jù)集以及關(guān)鍵指標(biāo)的聚類。并且還可以使用最大數(shù)法以及編網(wǎng)法等形式進行聚類。這種方法的效率性、伸縮性、維度的處理范圍都要相對優(yōu)越，在大部分的數(shù)據(jù)挖掘進程中，都得到了廣泛應(yīng)用，并且，在人們的日常生活中，采用目標(biāo)函數(shù)模糊來進行聚類的方法也十分常見。例如，在對某一圖形進行處理時，便會通過這種方式來對數(shù)據(jù)集以及關(guān)鍵指標(biāo)進行聚類。而且因為較為成熟的應(yīng)用，在對各種聚類問題進行解決時，都是可靠的有效途徑。

第三，區(qū)間值算法。在大數(shù)據(jù)的處理以及挖掘過程中，區(qū)間值算能夠?qū)σ恍氨容^型”的數(shù)據(jù)進行轉(zhuǎn)化，或是分析具有固定取值范圍的數(shù)據(jù)。這種方法相對來說比較常用，可以對不同的系統(tǒng)習(xí)性進行挖掘與分析。在實際應(yīng)用的過程中，通常使用的區(qū)間值算法有三種，分別為數(shù)與區(qū)間聚類法、區(qū)間與區(qū)間聚類法以及矩陣與區(qū)間聚類法。能夠高效、準(zhǔn)確且真實地分析與統(tǒng)計系統(tǒng)中的各項信息。而在對區(qū)間值算中最為關(guān)鍵的區(qū)間值進行確立時，即可以由相應(yīng)的專家進行確定，也可以采取相應(yīng)的統(tǒng)計學(xué)方法進行確定。

四、結(jié)語

綜上所述，在大數(shù)據(jù)時代中，數(shù)學(xué)知識與大數(shù)據(jù)有著密不可分的聯(lián)系，并在大數(shù)據(jù)的應(yīng)用過程中有著極大的重要性，特別是在數(shù)據(jù)處理以及數(shù)據(jù)挖掘兩方面的應(yīng)用上有著極大的作用，以此可以看出，在大數(shù)據(jù)中，數(shù)學(xué)知識的應(yīng)用是確保大數(shù)據(jù)有效性與實用性的重要保障。

參考文獻：

[1]林潘能.淺談大數(shù)據(jù)挖掘中數(shù)學(xué)的運用[J].現(xiàn)代交際，2018（9）.

[2]秦善天.大數(shù)據(jù)時代數(shù)學(xué)思維的創(chuàng)新應(yīng)用探究[J].數(shù)學(xué)學(xué)習(xí)與研究，2018（8）.

（責(zé)任編輯：林麗華）