旅游大數(shù)據(jù)平臺方案(編輯修改稿)
2025-06-10 05:09 本頁面
【文章內(nèi)容簡介】 動抽取到平臺中進行計算和預測。 集成算法組件為了便于科研老師快速進行科研數(shù)據(jù)的加工、分析和計算，數(shù)據(jù)超市平臺集成了50多種通用大數(shù)據(jù)算法組件，包括回歸算法、分類算法、聚類算法、關聯(lián)規(guī)劃算法、推薦算法、預測評估、數(shù)據(jù)預處理算法、機器學習等。所有的算法無須重新編程，只需要拖拽繪圖完成即可進行計算，如下圖： 算法組件經(jīng)過配置可以實現(xiàn)強大的自定義計算功能和效果，調(diào)整后的模型可以完成老師需要的數(shù)據(jù)分析和預測。 科研平臺可視化功能提供20余種可視化展示模式，一鍵選擇，一鍵切換，可按使用者需求展示大數(shù)據(jù)之美，根據(jù)需要展示對應的緯度，并可以一鍵生成高質(zhì)量PNG文件，保存到本地后可用于科研報告和論文等。四. 平臺數(shù)據(jù)集清單科研平臺為方便用戶快速開展科學研究、生成科研數(shù)據(jù)報告，平臺提供了一些通用的數(shù)據(jù)集，包括各類標準科研數(shù)據(jù)等。平臺也內(nèi)置了數(shù)百款可選數(shù)據(jù)集，分為多個數(shù)據(jù)包，總量近10TB，并且隨商務和采集工作推進，仍在不斷增加中。五. 定制數(shù)據(jù)服務根據(jù)科研老師的需求，數(shù)據(jù)超市平臺提供數(shù)據(jù)采集和商務合作等定制數(shù)據(jù)引入模式，數(shù)據(jù)引入后，可以直接引入數(shù)據(jù)超市，由老師來進行使用。如老師需要旅游服務評價類數(shù)據(jù)進行服務情況的分析和預測，可以直接通過數(shù)據(jù)超市內(nèi)的數(shù)據(jù)定制模塊提出數(shù)據(jù)需求，經(jīng)數(shù)據(jù)超市平臺管理員匯總后，可以通過數(shù)據(jù)超市平臺進行數(shù)據(jù)的準備，交給老師進行使用。六. 科研平臺算法清單平臺集成的算法包括72種，全部來自科研網(wǎng)站，經(jīng)過了商業(yè)機構的驗證，引入平臺后完成了分布式優(yōu)化，可以高效執(zhí)行，詳細如下表：序號算法分類算法名稱算法描述1回歸算法線性回歸利用線性模型對數(shù)值型變量進行擬合。2回歸算法決策樹回歸利用平方誤差最小化準則，進行特征選擇，生成二叉樹，從而對對數(shù)值型變量進行擬合3回歸算法隨機森林回歸以回歸決策樹為基模型，將一定數(shù)量的基模型組合對數(shù)值型變量擬合，并對基模型的預測結果平均作為算法的最終結果4回歸算法梯度提升回歸樹以二叉回歸決策樹為基函數(shù)的加法模型與前向分步結合的算法 ，通過對損失函數(shù)在當前模型的預測值的梯度作為近似殘差進行擬合，從而對數(shù)值型變量預測。5分類算法邏輯回歸二分類對目標變量為二值型分類變量，建立參數(shù)化邏輯斯諦分布，即sigmoid函數(shù)，近似條件概率分布，以實現(xiàn)二值分類。6分類算法邏輯回歸多分類邏輯回歸多分類,k個獨立的 logistic回歸分類器與onevsall結合的分類模型,分類對象類別之間不是互斥的7分類算法Softmax回歸多分類Softmax回歸就是邏輯回歸的一般形式,是logistic回歸模型在多分類問題上的推廣,分類對象類別是互斥的8分類算法決策樹分類利用信息增益準則或基尼指數(shù)最小化準則，進行特征選擇，生成二叉樹，從而對對目標變量為離散變量的數(shù)據(jù)進行分類9分類算法隨機森林分類以分類決策樹為基模型，將一定數(shù)量的基模型組合對離散型的目標變量擬合，并根據(jù)基模型的預測結果進行投票，以占多數(shù)結果的種類作為算法的最終結果10分類算法梯度提升分類樹以二叉分類決策樹為基函數(shù)的加法模型與前向分步結合的算法，通過對損失函數(shù)在當前模型的預測值的梯度作為近似殘差進行擬合，從而對分類型目標變量預測。11分類算法BP神經(jīng)網(wǎng)絡以感知器為基函數(shù)，通過將當前基函數(shù)的的輸出作為下一個感知器的輸入，從而實現(xiàn)對離散型分類變量的分類12分類算法貝葉斯分類基于貝葉斯定理與特征條件獨立假設，對給定數(shù)據(jù)集，學習輸入輸出的聯(lián)合概率分布，利用貝葉斯原理輸出后驗概率最大的預測類作為預測結果13分類算法支持向量機分類在感知機的基礎上，通過在特征空間上間隔最大和核技巧，實現(xiàn)對二類目標變量分類14聚類算法K均值聚類將無標記樣本根據(jù)特征空間中的數(shù)據(jù)結構，劃入K個不相交的子集中15聚類算法二分K均值聚類K均值聚類的改進版，能克服原算法收斂局部最小的缺點，每次選其中一簇分成兩簇。16聚類算法高斯混合模型對于符合高斯分布的數(shù)據(jù)，假設存在K個高斯模型，將數(shù)據(jù)反復迭代，期望極大化。將樣本聚到后驗概率最大的模型類下。17關聯(lián)規(guī)則算法頻繁項集挖掘算法（FPGrowth）主要分為兩個步驟：FPtree構建、遞歸挖掘FPtree。挖掘出共同出現(xiàn)的頻繁物品集。18推薦算法協(xié)同過濾算法協(xié)同過濾是在海量數(shù)據(jù)中挖掘出某部分與目標客戶行為類似的數(shù)據(jù)，并根據(jù)某種指標對其進行排序。19預測評估分類預測及評估分類算法中，在已有訓練數(shù)據(jù)訓練模型的基礎上，將未訓練的數(shù)據(jù)代入算法中，預測結果與實際目標變量比對評估，檢測模型的性能。20預測評估回歸預測及評估回歸算法中，在已有訓練數(shù)據(jù)訓練模型的基礎上，將未訓練的數(shù)據(jù)代入算法中，預測結果與實際目標變量比對評估，檢測模型的性能。21預測評估聚類預測及評估聚類算法中，在已有訓練數(shù)據(jù)訓練模型的基礎上，將未訓練的數(shù)據(jù)代入算法中，預測結果與實際數(shù)據(jù)類型比對評估，檢測模型的性能。22預測評估推薦評估推薦算法中，在已有訓練數(shù)據(jù)訓練模型的基礎上，將未訓練的數(shù)據(jù)代入算法中，預測結果與物品類目比對評估，檢測模型的性能。23數(shù)據(jù)預處理歸一化將有量綱的數(shù)據(jù)轉(zhuǎn)化為無量綱的數(shù)據(jù)，minmax 標
公司管理相關推薦
鄂ICP備17016276號-1