原创力文档- 1、本文档共65页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
数据挖掘技术（工商管理）
哈尔滨商业大学王磊
概论：大数据和数据挖掘
学习目的：了解大数据基本概念和数据挖掘基本思想，掌握市场数据处理、分析和展示基本方
和技能
一、大数据和大数据时代
1、什么是大数据（GigData）:一种规模大到获取、存储、管理、分析方面大大超出了传统
数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据
类型和价值密度低四大特征。
2、计算机数据存储单位：
最小的基本单位是bit,按顺序给出所有单位：bit、Byte、KB、MB、GB、TB、PB、EB、
ZB、YB、BB、NB、DB
O
它们按照进率1024（2的十次方）来计算:
1Byte=8bit
1KB=1,024Bytes=8192bit
1MB=1,024KB=1,048,57Bytes
1GB=1,024MB=1,048,57KB
1TB=1,024GB=1,048,57MB
1PB=1,024TB=1,048,57GB
1EB=1,024PB=1,048,576TB
1ZB=1,024EB=1,048,576PB
1YB=1,024ZB=1,048,576EB
1BB=1,024YB=1,048,576ZB
1NB=1,024BB=1,048,576YB
1DB=1,024NB=1,048,576BB
一般情况下：1个数字或英文字母占lB=8Bit,1个汉字占2B=16bit
o
《红楼梦》含标点87万字（不含标点853509字）
1GB约等于671部红楼梦
1TB约等于631,903部
1PB约等于647,068,911部
A美国国会图书馆藏书（151,785,778册）（2011年4月：收录数据235TB）
1EB=4000倍美国国会图书馆存储的信息量
3、大数据的特征
/容量V（olume）数据量巨大；
/种类（Variety）:数据类型的多样性（结构化数据、半结构化数据和非结构化数据）；
/质量V（alue）:无法保证质量沙（里淘金，价值密度低）；以监控视频为例，一部一小
时的视频，连续不间断监控过程中，可能有用的数据仅仅只有一两秒。如何通过强大
的机器算法更迅速地完成数据的价值提纯”是目前大数据汹涌背景下亟待解决的难题。
/速度（Velocity）指获得数据的速度（实时获取需要的信息）；
4、大数据时代
半个世纪以来，随着计算机技术全面融入社会生活，信息爆炸已经积累到了一个开始引发变
革的程度。它不仅使世界充斥着比以往更多的信息，而且其增长速度也加快。信息爆炸的
如天文学和基因学，创造出了大数据”这个概念。如今，这个概念几乎应用到了所有人类
智力与发展的领域中。21世纪是数据信息大发展的时代，移动互联、社交网络、电子商
等极大拓展了互联网的边界和应用范围，各种数据正在迅速膨胀并变大。
大数据时代的一些基本特征：
A硬件成本降低
A网络带宽提升
文档评论（0）