尊龙凯时

信息革命将人类带入一个革命性的“大数据时代”，人们通过电脑网络，使用数据剖析、数据集成、数据设计、数据模子、数据决媾和数据虚拟化等手段，针对详细的认知工具，对反应其数目、性子、结构、功效、价值、远景等方面的数据，举行周全的网络、整理、剖析、综观和萃取，然后作为决媾和实践的凭证。由此，使人类的熟悉变得更准确系统、更周全普遍、更快速有用。然而面临种种数据源网络来的海量数据，事实怎样对其举行归类、盘算、建模息争释，却需要高明的智慧。因数据自己始终默然，需要依赖能动的熟悉主体的付与。为此，本文想就大数据处置惩罚应遵照的几条原则给予阐释。

　　简约原则

　　这是牛顿创设的一条“极简主义”的节约规则。在牛顿看来，神奇的自然界在创设历程中选择的简朴性和对繁琐的厌恶，使得人类也形成如下看法：“在用很少的工具就能够解决问题的情形下，决不劳力操心和兴师动众”；要始终体现大自然所遵照的简约性、精准性、合理性与有用性。欲达此目的，就需要在云盘算或大数据处置惩罚中，遵照简约原则，选择有用数据，镌汰无用数据；识别有代表性的实质数据，去除细枝小节或无意义的非实质数据。要能够确识数据之间的重大差别或差别；要能够判别和挑出那些“以一当十”的数据和信息。这种简约原则在大数据的网络、挖掘、算法和实验中的最有用途径，就是对“数据规约”的运用。

　　所谓数据规约就是简化现有的数据集，使得一种小规模的数据就能够爆发同样的剖析效果。常用的数据规约战略有数据立方体群集、维规约、数据压缩、数值压缩、离散化和看法分层等，而常用的数据规约方规则主要包括粗糙集、遗传算法、主因素剖析、逐步回归剖析、公共因素模子剖析等。运用这些规约要领，就可以获取可靠数据，镌汰数据集规模，提高数据笼统水平，提升数据挖掘效率，使之在现实事情中，可以凭证需要选用详细的剖析数据和合适的处置惩罚要领，以抵达操作上的简朴、精练、简约和高效。

　　详细地说，当一位认知主体面临网络到的大宗数据和一些非结构化的数据工具，如文档、图片、饰品等物件时，不但需要掌握大数据管理、大数据集成的手艺和要领，遵照“简约原则”和“数据集成原则”，学会数据的归档、剖析、建模和元数据管理，还需要在大宗数据激增的历程中，学会规约、选择、评估和发明某些潜在的实质性转变，包括对新课题、新项目的兴趣和开发。

　　综观原则

　　所谓综观，就是对认知工具举行综合性的视察、剖析和探索；就是从总体上对熟悉工具、熟悉历程和熟悉效果举行笼统、归纳综合或直觉，并通过详细的信息数据逾越那涵盖于总体性中的局部或个体。这种综观既针对组成事物之个体的所有，也针对组成事物的诸要素组成的统一体，以及总体上展现的实质和纪律。

　　综观较整体视察越发辩证。它坚持从大处着眼，从总体上去“观其状，求其法，探其道”，以求得解决问题的战略和战略。它坚持整体的详细统一性，凸显认知工具的详细着实性。至于现实中，人们事实怎样对详细的认知工具举行综观，这里需要借助与综观细密相关的大数据荟萃的理论与实践。由于大数据集成，既包括对存贮在结构化数据结构中的数据举行移动和集成，也包括对一大部分非结构化数据中的数据举行移动、调理和集成。好比面临重大的信息和数据，人们就可以将“云架构、实时数据集成、数据虚拟化、数据集成建模”等先进手艺用到详细问题的解决中，使用一种凭证大数据制作的“可展望模子形貌语言”（PMML），为其提供一种快速轻盈的程序和模子。

　　此时，通过使用标准的XML（可扩展标记语言）剖析器对PMML举行剖析，应用程序就能够决议模子输入和输出的数据类型，及模子的详细名堂，并会凭证标准的数据挖掘术语来诠释模子的效果。通过对大数据的综观、模子化和虚拟化，可以做到花最小气力，获最大效益。特殊是数据虚拟化，不但可以为数据使用者提供极具真实性、完整性和精准性的“实时集成的数据视图”，还可以未来自差别数源的数据信息整合为一，并转化成使用者所需要的图式和模子。

　　由于有些工具，绝不是仅仅用数字就可以诠释和认知的，好比人类重大多变的面部心情，就很难用纯粹的数据给予准确表达，只有通过数据集成、智能手艺和虚拟手艺将大数据虚拟化，使反应认知或实践工具的海量信息和数据，酿成一种实时图像或视频供主体视察研究，他们才可能从中获得相关的熟悉、结论和决议。

　　诠释原则

　　只管数据集成、数据建模、云盘算和数据虚拟化是大数据处置惩罚的一些主要形式，能够给认知主体以质、量和度等多方面的总体性的形象和熟悉，但面临“不可言语”的详细的数字、信息、图像和虚拟视频，照旧需要认知主体举行能动的和创立性的解读与阐释。

　　这不但由于包括数字、数码、文字和一切符号在内的语言“是保存的家乡”，即要熟悉客体或工具，总是需要使用语言给予建构、包装、说明息争释，还由于一切语言自身所拥有的价值和意义，也需要使用它和阅读它的主体所“赠予”。

　　换句话说，这些摆在人们眼前的大数据，事实表达什么或意味什么，很洪流平上，并不取决于由数据信息自身所标明的“客观着实性”，而是主要取决于认知主体对其解读时所拥有的整体上的诠释力、构建力和知解力，取决于由数据构架起来的理论形态和实践目的。由于只有通过人的感悟、觉识、剖析、推理、判断和阐释才华够付与数据和信息以多重的或异乎寻常的结构和意义，才华够由表及里，展现出深藏于内的隐藏之物；进而通过种种诠释之间的矛盾和冲突，获悉被诠释的保存和实质。

　　智慧原则

　　只管信息革命将人类带进大数据的春天，并且使越来越多的人确信“数据多多益善，即数据越多，剖析越深入，所得的结论就越周全”，但面临“僵死的数据”，要想点石成金，还需依赖于人的智慧和学识。

　　为此，在大数据处置惩罚历程中，真正的智者既要兼具数据剖析、机械学习、数据挖掘以及数据统计的能力，也要具备应用算法和编写代码的履历。尤其是面临琳琅满目的大数据，不但要关注海量数据的多样性、差别性、准确性和实效性，不然缺少其中任何一个性能，都可能使所获数据达不到预期的效果和目的；还要周全深入地挖掘种种类型的数据，并在此基础上运用数据建模和数据算法在差别的数据集成中剖析差别的假设情境，建构差别的可视化图像，进而展现数据集成的转变及其爆发的效用。

　　特殊是今天，面临强烈的社会竞争，必需一直寻找新的数据处置惩罚要领，一直加速数据处置惩罚速率。要意识到种种数据都并非生而就有价值，只有通过主体智慧的挖掘，才华将其变为现实。

　　别的，还要善于从数据集成、数据建模和数据虚拟化中发明息争决问题；提升自己视察、思索、批判和扬弃的能力；磨炼自己的理性头脑和逻辑头脑；作育自己统筹决议、高瞻远瞩、见微知著的预见力和洞察力。

　　虽然，在大数据时代更需要掌握对已有的数据模子举行精练，以及使用新的训练数据对原有内容和规则集举行修改、操作和运行的武艺。在此历程中，要尽可能做到头脑活跃，头脑清晰，头脑开放，熟悉深远，能够不失时机地突破陋习旧套，捉住新机缘，实验新途径，开发新天地，以多元智能的理念来认知和实践，以便在大数据处置惩罚中，既不忽略任何一个未经深度剖析的数据，也不扬弃任何一个异常数据。

　　在许多情形下，异常数据往往比通例数据更有价值。这样，也就自然地要求认知主体事情上缜密仔细，时时关注事务的每一个细节与数据，真正做到明察秋毫、仔细研制，直至收获完善的熟悉和乐成的实践。