从少量样本中挖掘重要信息

　　数据挖掘是一种从信息化社会的复杂数据中，挖掘宝藏的方式和措施，那么奈何从少量样本中挖掘重要信息呢？在面临许大都据时，奈何利用最佳的方式举办阐明至关重要；若没有符合的数据，则必需从收集数据着手。此时，你会因为收集复杂的数据很是坚苦而放弃数据挖掘吗?

　　首先，请各人检讨一项问卷侦查的功效．有本书叫《日本的开关》  (庆应义塾大学佐藤稚彦研究室著，逐日新闻社，2004)，个中记实了用手机收集的问卷侦查的统计功效。此项侦查操作手机询问被侦查者喜欢两者中的哪一个(选择)，然后发布侦查出来的比例。特点在于，操作手机快速通报信息的成果，在极短的时间内免费从2-3万的复杂人群中得到答复。

　　详细的侦查内容如下所示，请读者也试着答复一下。

　　问题1：“日本”的读音，你喜欢“NIHON”照旧“NIPPON”?

　　有22936名答复者；个中，喜欢“NIHON”的占61%，喜欢“NIPPON”的占39%。利用答复者多达2-3万人的“日本的开关”的侦盘查卷，询问43名数据挖掘同仁的意见。那么，功效与“日本的开关”有没有差别呢(如下图1和图2)? 关于“日本”读音的问题，答复功效是，“NIlHON”=70％，“NIPPON”=30％(图2No.2)。答复者比例是43/02936，不敷“日本的开关”的总体答复者的0.2％。可是，从答复功效看，两者都是“NIHON”的比例居高，具有沟通倾向。两者的相对误差都是15％。

　　对10项差异类此外内容举办问卷侦查，请答复者从a、b中选择个中一个。然后，较量样本数许多(2万件以上)与样本数很少时(43件)的功效有何差异。

　　功效如图2所示。只有43名样本数的侦查与“日本的开关”侦查的选择a、b的倾向是一致的。并且相对误差比例都在20％以下。针对所有问题的答复环境，两者没有较大差别。也就是说，样本数多时和样本数少时的答复功效的倾向大抵沟通。虽然，抖客教程网，收集数据时要出格留意不能出別偏差。假如利用随机抽样，可以判定纵然是少量样本数，与高出它500倍的复杂样本数的功效具有沟通倾向。因此，在没有大量数据的环境下，可以把少量数据看做缩略图，以此捕获样本倾向，举办预测。 

　　【图1 】

　　【图2】

　　各人是不是认为数据挖掘必然需要收集大量数据呢?请先从用Excel阐明身边的数据开始吧，前提是清楚数据阐明是做什么的!用少量样本数阐明，也可以掌握倾向和范例。学会收集阐明身边的数据并加以机动运用很是重要。从笔者以往的履向来看，纵然只存在少量数据，也叮从中获得十分有用的信息。