如何從少量樣本中挖掘重要信息
如何從少量樣本中挖掘重要信息
數(shù)據(jù)挖掘是一種從信息化社會的龐大數(shù)據(jù)中，挖掘?qū)毑氐姆椒ê统绦?，那么怎樣從少量樣本中挖掘重要信息?以下是學(xué)習(xí)啦小編為您帶來的關(guān)于從少量樣本中挖掘重要信息，希望對您有所幫助。
從少量樣本中挖掘重要信息
在面對許多數(shù)據(jù)時，怎樣使用最佳的方法進(jìn)行分析至關(guān)重要;若沒有合適的數(shù)據(jù)，則必須從收集數(shù)據(jù)著手。此時，你會因為收集龐大的數(shù)據(jù)非常困難而放棄數(shù)據(jù)挖掘嗎?
首先，請大家檢驗一項問卷調(diào)查的結(jié)果.有本書叫《日本的開關(guān)》 (慶應(yīng)義塾大學(xué)佐藤稚彥研究室著，每日新聞社，2004)，其中記載了用手機(jī)收集的問卷調(diào)查的統(tǒng)計結(jié)果。此項調(diào)查利用手機(jī)詢問被調(diào)查者喜歡兩者中的哪一個(選擇)，然后公布調(diào)查出來的比例。特點在于，利用手機(jī)快速傳遞信息的功能，在極短的時間內(nèi)免費從2-3萬的龐大人群中獲得回答。
具體的調(diào)查內(nèi)容如下所示，請讀者也試著回答一下。
問題1：“日本”的讀音，你喜歡“NIHON”還是“NIPPON”?
有22936名回答者;其中，喜歡“NIHON”的占61%，喜歡“NIPPON”的占39%。使用回答者多達(dá)2-3萬人的“日本的開關(guān)”的調(diào)查問卷，詢問43名數(shù)據(jù)挖掘同仁的意見。那么，結(jié)果與“日本的開關(guān)”有沒有差異呢(如下圖1和圖2)? 關(guān)于“日本”讀音的問題，回答結(jié)果是，“NIlHON”=70%，“NIPPON”=30%(圖2No.2)。回答者比例是43/02936，不足“日本的開關(guān)”的總體回答者的0.2%。但是，從回答結(jié)果看，兩者都是“NIHON”的比例居高，具有相同傾向。兩者的相對誤差都是15%。
對10項不同類別的內(nèi)容進(jìn)行問卷調(diào)查，請回答者從a、b中選擇其中一個。然后，比較樣本數(shù)很多(2萬件以上)與樣本數(shù)很少時(43件)的結(jié)果有何不同。
結(jié)果如圖2所示。只有43名樣本數(shù)的調(diào)查與“日本的開關(guān)”調(diào)查的選擇a、b的傾向是一致的。而且相對誤差比例都在20%以下。針對所有問題的回答情況，兩者沒有較大差異。也就是說，樣本數(shù)多時和樣本數(shù)少時的回答結(jié)果的傾向大致相同。當(dāng)然，收集數(shù)據(jù)時要特別注意不能出別偏差。如果使用隨機(jī)抽樣，可以判斷即使是少量樣本數(shù)，與超過它500倍的龐大樣本數(shù)的結(jié)果具有相同傾向。因此，在沒有大量數(shù)據(jù)的情況下，可以把少量數(shù)據(jù)看做縮略圖，以此捕捉樣本傾向，進(jìn)行預(yù)測。
【圖1 】
【圖2】
大家是不是認(rèn)為數(shù)據(jù)挖掘一定需要收集大量數(shù)據(jù)呢?請先從用Excel分析身邊的數(shù)據(jù)開始吧，前提是清楚數(shù)據(jù)分析是做什么的!用少量樣本數(shù)分析，也可以把握傾向和類型。學(xué)會收集分析身邊的數(shù)據(jù)并加以靈活運用非常重要。從筆者以往的經(jīng)驗來看，即使只存在少量數(shù)據(jù)，也叮從中得到十分有用的信息。
猜你喜歡：
1.挖掘自己這座寶藏
2.加強(qiáng)網(wǎng)絡(luò)安全意識的重要性