¿Cómo supo el número de teléfono de investigación de la epidemia que usted se registró en el hotel?
El big data proviene de datos generados en cualquier momento. La información general de ubicación puede ser determinada por la estación base conectada a los datos del teléfono móvil. A través de la confirmación y comparación de la información de los elementos; y el análisis de la información de la comunicación social, podemos derivar aproximadamente nuestro itinerario dentro de un cierto período de tiempo. Porque la señal de nuestros teléfonos móviles proviene de estaciones base, y cada región tiene estaciones base de diferentes operadores. Al pasar por un lugar o permanecer por mucho tiempo, se conectará a la estación base.
La llegada de la era del big data hace que sea más fácil obtener información, pero al mismo tiempo, cada vez sea más difícil obtener información que realmente satisfaga las necesidades personalizadas en big data. Los usuarios a menudo se ven ahogados en datos masivos y les resulta difícil encontrar información que sea realmente valiosa para ellos. Aunque el avance continuo de la tecnología de búsqueda nos permite encontrar rápidamente la información que necesitamos a través de los motores de búsqueda, es difícil descubrir y analizar las necesidades profundas de los usuarios confiando únicamente en los motores de búsqueda.
Después de varios años de desarrollo, la tecnología de análisis de big data ha formado algunos algoritmos modelo maduros y estables. Los algoritmos de modelos comunes incluyen análisis de reglas de asociación (Apriori), árbol de decisión, red neuronal, agrupamiento K-MEANS, máquina de vectores de soporte, regresión lineal múltiple, regresión lineal generalizada, red bayesiana, Cox y K vecinos más cercanos. Algunos de estos modelos de algoritmos son adecuados para predecir tendencias y comportamientos, algunos son adecuados para análisis de correlación y otros son adecuados para análisis de conglomerados. Cada algoritmo modelo tiene sus propias ventajas y desventajas. Podemos elegir el modelo de algoritmo apropiado para diferentes escenarios de análisis y minería de big data.