【技术实现步骤摘要】
一种大数据预分析的方法及装置
本专利技术涉及大数据采集预分析领域,具体涉及一种大数据预分析的方法及装置。
技术介绍
大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产,一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合,具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征,面对海量的数据,在前期需要将获取的大数据进行处理预分析,以便快速得到大数据的分析结果。
技术实现思路
本专利技术的目的在于提供一种大数据预分析的方法及装置,通过对获取海量的样本数据进行训练分析,可以得到海量样本数据之间的关系得到数据分析模型,通过预设的数据结构对样本数据进行初期分析,得到样本数据集,有利于提高后期对样本数据集的训练分析,将样本数据集进行异常值识别并处理,得到过滤数据集,可以有效消除异常值对构建数据分析模型的影响,提高数据分析模型中数据关系的平稳性,进一步地对过滤数据集进行聚类得到标准数据集可以提高模型的训练速度,对标准数据集进行训练分析,得到标准数据集的数据分析模型,通过数据分析模型达到对大数据预分析的目的,有效提高对大数据分析的效率,解决了现有技术方案中对大数据预分析效率低的问题;本专利技术对样本数据集进行异常值识别并处理时,通过均值计算公式对样本数据集中数据进行均值计算,得到样本数据集中数据的样本平均值,利用公式对样本数据集进行 ...
【技术保护点】
1.一种大数据预分析的方法,其特征在于,所述方法包括:/n步骤一:数据获取模块获取样本数据,根据预设的数据结构将所述样本数据建立样本数据集并存储至服务器主体(1)中;/n步骤二:数据识别模块对所述样本数据集进行异常值识别并处理,生成过滤数据集;/n步骤三:数据聚类模块对所述过滤数据集进行聚类,得到标准数据集;/n步骤四:数据训练模块将所述标准数据集进行训练分析,得到所述标准数据集的数据分析模型;/n步骤五:数据分析模块获取待分析数据,将所述待分析数据通过所述数据分析模型进行分析,得到分析结果,通过所述服务器主体(1)将所述结果转发给用户的显示设备。/n
【技术特征摘要】
1.一种大数据预分析的方法,其特征在于,所述方法包括:
步骤一:数据获取模块获取样本数据,根据预设的数据结构将所述样本数据建立样本数据集并存储至服务器主体(1)中;
步骤二:数据识别模块对所述样本数据集进行异常值识别并处理,生成过滤数据集;
步骤三:数据聚类模块对所述过滤数据集进行聚类,得到标准数据集;
步骤四:数据训练模块将所述标准数据集进行训练分析,得到所述标准数据集的数据分析模型;
步骤五:数据分析模块获取待分析数据,将所述待分析数据通过所述数据分析模型进行分析,得到分析结果,通过所述服务器主体(1)将所述结果转发给用户的显示设备。
2.根据权利要求1所述的一种大数据预分析的方法,其特征在于,所述对所述样本数据集进行异常值识别并处理,生成过滤数据集的具体步骤包括:
步骤一:利用公式对所述样本数据集进行均值计算,得到所述样本数据集的样本平均值;其中n表示所述样本数据集中的样本数据值,μ表示所述样本数据集的样本平均值;
步骤二:利用公式对所述样本数据集进行样本标准差计算,得到所述样本数据集的样本标准差,其中,i表示所述样本数据集中的样本数据值,i的取值范围为[1,n],s表示所述样本数据集的样本标准差;
步骤三:利用公式对所述样本数据集进行检验统计量计算,得到所述样本数据集的检验统计量;其中,Gn表示所述样本数据集的检验统计量;
步骤四:根据所述检验统计量确定检验水平,通过公式B1=G1-α(k)计算得到检验临界值;其中,α表示预设检验水平系数,k表示所述检验水平系数对应的检验值;
步骤五:通过所述检验临界值对所述样本数据集的检验统计量进行判断,当Gn>B1时,则判断xn为异常值;否则判断无异常值;
步骤六:利用公式B2=G1-α'(n)计算得到所述异常值的删除水平值;其中,α'(n)表示异常值的删除系数,当Gn>B2时,则判断xn为高度异常值;否则判断xn为低度异常值;
步骤七:对所述高度异常值进行删除,将所述低度异常值进行均值计算,得到低度均值,将所述低度均值替换所述低度异常值,并存储至所述样本数据集。
3.根据权利要求1所述的一种大数据预分析的方法,其特征在于,所述对所述过滤数据集进行聚类,得到标准数据集的具体计算步骤如下:
步骤一:随机选择所述过滤数据集中K个样本作为K个中心点;
步骤二:利用公式c=min||xi-uk||2计算所述过滤数据集中的样本数据与K个所述中心的距离最小值;其中,xi表示所述过滤数据集中的样本数据,uk表示第K个中心点;
步骤三:根据所述样本数据与K个所述中心点的距离最小值,将所述样本数据归类至所述中心点,通过对所述过滤数据集中的样本数据进行迭代,直至所述过滤数据集中的所有所述样本数据均归类至K个所...
【专利技术属性】
技术研发人员:罗浩,童恩,杨璇,吕明,吕旭红,吴刚,李铮,金韡,周枫,高远,韩喜清,陈筱丰,
申请(专利权)人:江苏移动信息系统集成有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。