這500個球球實驗，讓你全面了解什麼是「數據挖掘」

撰稿|每日君

對於數據挖掘，說實話每日君也是似懂非懂！本身也是非技術出身，但是呢每日君找來這個例子，絕對能讓小白一看就懂什麼數據挖掘……。很好玩的一個比喻，值得玩味！慢慢看啊……

6666

讓每日君帶你們看一個人為設計的場景。假設一個房間里神奇地漂浮著無數個小球。我們想搞清楚這些小球停留的位置是否存在著一種特定的結構。比方說，小球是不是更易集中在某一特定區域？是不是故意避開某些點位？它們是均勻分布於整個空間嗎？

別著急，讓每日君慢慢擼一下這個實驗……

你們可能會問了，房間一片漆黑，我們什麼也看不見啊？我們用一部帶閃光燈的照相機，想把漂浮在整個房間的小球都拍下來。

照片猶如下圖一樣：

整體拍攝

就算小球的位置之間確實存在某種聯繫，從這張照片上我們也看不出個所以然。看上去小球就像是均勻分布的一樣。所以我們嘗試著換了下位置，從新的角度拍下了第二張照片。

換個角度拍攝

照片上的小球看起來還是隨機分布的，沒有任何規律。讓我們換個高點的角度試試看。

從高處拍攝

呃，還是看不出有什麼規律來。那我們最後再換個低點的角度試一次。

從低角度拍攝

啊哈，這次有點意思了：看起來小球集中分布在靠近屋頂和地面的兩個區域，中間這段沒有一個小球。因此，為了發現這個規律，我們在拍照時就必須找到一個「好」的角度。如果角度不對，那我們永遠都不可能找出任何規律。

所以，還是那句話，主要看姿勢……

6666

6666

姿勢對了，才能找到點（適合腦補……）

在上面這個例子中，我們想說的其實是三維數據點（不懂？百度啊）。

每個小球的位置都可以由3個數字來表示，每個數字分別代表它在XYZ三條軸上的位置。在實際的電腦運算中，數據點的位置會由更多的數字組合來表示。

什麼？還不明白？小麥穗再舉一個例子……

醫院病人的病歷可能會包含500組數字，包括他的生日年月日、身高、體重、血壓、最近一次的看病記錄、膽固醇指標等等。醫院、醫生、醫療領域的創業者可能會想要搞清楚，不同病人的數據點之間是否存在某種規律，然後針對性的進行分析、針對。

如心臟病人的數據點是否會集中分布？如果數據點確實會集中分布，當我們發現新入院病人的數據點也出現同樣的趨勢時，我們就可以推斷這位病人很可能犯心臟病。當然，實際操作起來肯定不會如此簡單。

這難道就是醫療行業大數據的收集、分析？厲害了我的病……

6666

一個人是不可能用肉眼看到這些數據點的。人怎麼可能分得清500個維度呢？就像在上面那個例子中，沒有人能看得清「黑屋」中小球，我們也同樣看不見500個維度中的那些數據點。我們可以用二維圖片（就是上面那些拍照出來的小球球）來展示位於三維空間中的數據點，用同樣的方法，我們也可以更低維度的「照片」來表現擁有500個維度的數據點。

只有從合適的「角度」拍下「照片」，我們才可以從中找出不同數據點之間的規律，不然將很難有所發現。這就是人們所說的如何從「大數據」中「發現見解」。

上面的圖片是用專門的軟體製作的。哈哈……不過沒關係，只要你看懂了就行！

6666

以上，供非專業人士參考，專業人士可以繞道……也可以留言給出你的見解！也可以過來噴一下賤賤的每日君

……

每日君系自媒體老司機一枚，頭條號、搜狐自媒體平台、微博、UC雲觀自媒體簽約作者，每日一評專註TMT領域深度分析和原創點評。本文屬「每日一評」頭條號原創內容，首發今日頭條！已加入全網自動維權系統，自動識別抄襲！轉載請聯繫作者授權