浅析数学与应用数学在大数据中的应用8篇浅析数学与应用数学在大数据中的应用 计算机与信息科学146 2019年10月数学在大数据时代的应用 郭皓天济南外国语学校，福建福州250108 摘要：大数据已经成为当今时下面是小编为大家整理的浅析数学与应用数学在大数据中的应用8篇,供大家参考。
篇一：浅析数学与应用数学在大数据中的应用
机与信息科学 1462019 年 10 月 数学在大数据时代的应用
郭皓天 济南外国语学校，福建 福州 250108
摘要：大数据已经成为当今时代发展不可或缺的一部分。如何有效的处理大数据对各行各业的发展都非常的重要。人工智能的一个重要的角色是提供大数据处理的解决方法。人工智能专业是一门多学科交叉的新的技术科学，其中最重要的学科是数学，其在人工智能领域起到至关重要的作用，尤其在大数据处理方面。大数据表示的是一组海量的数据点集，其在空间中的分布结构可以通过概率论知识来进行描述，能否准确的挖掘数据分布特点，对于大数据在工业界的应用至关重要。因此概率论及统计学是目前人工智能邻域处理大数据常用的数学工具。本文旨在对数学尤其是概率论在大数据挖掘领域的应用进行介绍，并分析数学在此应用方面的重要性以及必要性。
关键词：数学；大数据；数据挖掘 中图分类号：C81-4;G642
文献标识码：A
引言
大数据虽是一门集概率论、统计学[3] 等多学科为一体的新型科学，但其在过去十几年的飞速发展预示了大数据将成为科学研究及企业发展的不可缺少的重要指标之一，这也给了大数据科学极大的研究价值与意义。但是，由于大数据尚处在发展阶段，还有许多尚未开发或未成熟的领域亟待研究。此文重点讨论了当代大数据研究中所运用到的数学知识，以便使大众更清楚的认识到数学在大数据科学发展中的重要性。当前统计机器学习[3] 在机器学习 [1] 中发挥了主导作用，它是利用统计学以及概率论学的知识来设计学习算法，从而对数据进行学习。概率学应用到大数据中，其最重要的目的是利用概率模型来估计大数据的分布特点。近年来，概率论学在机器学习研究中得到了广泛深入的应用并发展了一系列经典的算法。目前，基于概率学的机器学习算法大致分为三类，决策树分类器、神经网络以及贝叶斯分类器。
这三类学习模型都属于分类的范畴，分类学习[2] 是传统机器学习中的一类重要的学习算法，其属于监督学习范畴。所谓有监督学习，即所处理的样本点都带有类别标签，分类学习的目的是学习样本点集与其对应的类别标签之间的映射函数，这个映射关系体现的是样本点集分布的潜在规律，通过这个映射函数来对未知类别的样本点集进行类别预测。
本文主要包括了对于大数据科学分支下的决策树、神经网络、和贝叶斯分类器这三类统计机器学习算法的研究成果进行总结，并从中分析及讨论概率学在这三类学习算法中的应用。
1 统计 机器学习
1 1 .1
决策树分类器
决策树[4][5]是最简单也是最常见的机器分类的方式之一。其主要运用二分法，将物体特征归类到不同类别中。但在机器学习中，如何构建决策树分类器的树结构是学习的关键。通常决策树的每个节点表示样本点的属性，如何选择根节点以及相应的叶子节点使得树结构最简单是决策树分类器的关键。这时，决策树就引入了信息熵以及信息增益的概率学概念。信息熵是一种度量样本集合纯度的常见指标。通过计算信息熵，我们能够分析出是否下一步的信息分类是有意义的，进而推算出何时需要进行信息分类。通过决策树，我们能够快速且清晰的标示出信息分类的结果，以及对信息进行有效处理。对于决策树的应用也非常广泛，最显著的就是在机器学习方面的应用。通过决策树，机器可以准确的对信息特征进行有效分类，以达到最终分类并判断信息属性的目的。
因此，决策树分类器主要运用到概率学中信息熵以及信息增益的概念。在概率学中，信息熵表示随机变量的不确定程度。假设给定一随机变量X，其取值为x 1 ,x 2 ,⋯,x m ，则其对应的信息熵定义如下：
H(X) = ∑p(x i )⋅ log1p(x i )mi=1= −∑p(x i )logp(x i )mi=1 其中p(x i )表示变量x i 的概率密度函数。
信息熵越大表示属性对分类的影响越小，因此在信息熵的基础上引入了信息增益的概念，其目的是度量每个属性对分类的贡献程度。信息增益越大，表示属性对分类的贡献度越大。因此，决策树分类器将概率学中的信息熵的概念运用到了分类学习中。
1 1 .2 神经 网络 分类器
神经网络[6] 是源自于生物学的概念，顾名思义，它展示了信息特点的多重分类与归属。其最重要的组成部分是神经元模型。当一个神经元接收到多个神经元输出的信号，其接收到的总输入值将于其自身阈值相比较。当信息接收总数大于自身阈值时，此神经元就会进行信息输出。而对于输出的决定与计算，主要通过激活函数来决定。最常见的激活函数包括阶跃函数与 sigmoid函数。阶跃函数只存在两个函数值，0 或 1。当信息输入到达设定值后，其函数值会呈跳跃式从 0变为 1，然后进行信息输出。而 sigmoid 函数相比起来的激活过程要平稳的多。sigmoid 函数大体呈现 S 形，当信息接收达到一定程度时，信息输出会缓慢的随着信息接收增加，直到达到输出阈值。神经网络的运用使得信息输出在一定程度下才会有意义。只有达到阈值时才会有信息输出，使得信息简介化，而且也不会使冗余信息重复出现在处理信息的网络中。
神经网络主要将概率学中的几种概率密度函数应用到分类器构造中，在此称为激活函数，其主要目的是通过激活函数建立输入层与输出层之间的联系[7] ，且最终以概率的形式输出每个类别的概率值，选取概率最大的类别作为样本点的预测类别。另外，通常所选取的激活函数为非线性函数，这样可以将线性不可分的样本点集进行完整的分类。在数学上，针对线性不可分模型，样本点与类别之间的映射关系需要一个非线性函数来表示。而这个非线性函数的表示形式是不可知的，因此神经网络通过引入非线性密度分布函数来达到此目的。
1 1 .3 贝叶斯 分类器
贝叶斯分类器[7][8] 是另一种分类学习模型，其主要思想是在分类过程中最小化样本点集的分类错误率，基于此目的建立相应的目标函数。这个错误率通过引入条件概率来进行表示。而训练概率密度函数需要有先验概率以及样本点集的分布概率。因此，贝叶斯分类器引入了概率学中的贝叶斯公式。
贝叶斯决策理论规定了在信息不完全的情况下，对未知部分进行概率估计，然后通过贝叶斯公式来对其进行修正，以做出最优决策。贝叶斯公式即最普通的概率学公式之一：
P(A|B)=P(A∩B)/P(B) 其中，P(B)表示分布概率函数。
利用贝叶斯公式，可以将两个分布之间的条件概率转化为两者之间的联合概率与各自分布概率之间的关系。贝叶斯分类器的最主要的部分是对先验概率进行估计。先验概率就是通过以往的经验说估算出来的事件概率。通过此估计，能使事件概率在不确定的情况下通过贝叶斯公式进行分类，以达到信息处理的目的。对于贝叶斯分类器的应用主要解决了
中文科技期刊数据库（全文版）
自然科学 2019 年 10 月
147 当事件概率不确定的情况下进行估计并进一步分类处理的问题，使得信息处理具有先验效果。因此，概率学在模型构建中发挥了主导作用。
2 总结及前景 展望
本文主要对概率学在大数据处理方面的应用进行了系统的总结与分析。当今时代对于大数据科学的研究正处于鼎盛状态，但是还远远不够。不仅要对大数据方面的种种原理进行细致的处理研究，最终要的是其对于实际问题方面的应用。本文重点介绍了概率学在大数据科学方面的应用，通过具体的对决策树分类器、神经网络分类器、以及贝叶斯分类器进行分析，了解概率学是如何在机器学习中得到很好的应用。当然，数学的其它分支也在大数据学习方面有很好的应用，例如线性代数、几何学、拓扑学等。
在手机以及智能家居等设备逐渐普及的背景之下，如阿里与腾讯等企业，能够依靠其 app 功能，收集到互联网中海量的数据。通过大数据，就能够借助数据处理与分析手段，把这类看起来较为复杂的数据，变成巨大的财富。只要消费者通过微信以及支付宝的频繁运用，阿里以及腾讯等就可以收集到相关消费者的海量数据，并且因此设计出满足消费者需求的一系列产品。例如，消费者在淘宝上经常购买吃的，那么一打开淘宝，首先看到也是各类食品的广告宣传，这可以刺激你的购买，同时也将给阿里带来了大量的收益。类似淘宝的营销宣传都是大数据应用的结果，可以让企业精准的覆盖消费者需求。伴随着应用数学的关注度越来越高，作为学科发展基础的纯数学研究却受冷落，这也将成为数学应用的挑战。如果我们过于强调数学的应用，急于把数学成果转化为生产力，一定意义上，这属于违反数学发展规律的。数学毕竟是一门基础学科，所以，需要长时间研究，才可能有所成就。在大数据时代，数学应用和数据处理紧密结合，将使得数学这个基础学科更加功利化，这也将给纯数学的研究蒙上一层阴影。没有丰富的基础数学研究成果作根基，数学研究真的可以持续的强调应用吗？显然是不能的。
因此，今后的研究重点应放在如何使大数据科学真正的应用于各个领域中，并在实际方面对人类面临的各类问题的解决做出巨大的贡献。而大数据科学的发展离不开数学知识的应用，因此如何发掘新的数学知识在大数据科学方面的应用也是非常的中。
参考文献
[1]周志华. 机器学习[M].北京:清华大学出版社,2016. [2] EAsmis. Introduction to Machine Learning[M].MA:MIT Press Cambridge,2004. [3]V N Vapnik. Statistical Learning Theory[M].New York :WileyNY,1998. [4] SKMurthy.Automatic construction of decision trees from data: A multi-disciplinary survey[J]. Data Mining and Knowledge Discovery,1998,2(4):345-389. [5]C E Brodley,P E Utgoff. Multivariate decision trees[J]. Machine Learning,1995,19(1):45-77. [6]C M Bishop. Neural Networks for Pattern Recognition[M]. New York :Oxford University PressNY, 1995. [7]Y Le Cun,Y Bengio. Convolutional networks for imagesspeechand time-series[M]. CambridgeMA : In The Handbook of Brain Theory and Neural NetworksMIT Press, 1995. [8] N Frideman, D Geiger, MGoldszmidt. Bayesian network classifiers[J]. Machine Learning,1997,29(2):131-163. （上接第 145 页）
去封闭的状态变成了供应模式，也就是从材料和构建购置与运输、保存与加工制作等过程中，把材料供应方和生产商等结合起来，从而构成由上游供应商、中间商、第三方、下游营销客户构成的系统化结构。这就构成了供应链管理，在这一过程中进行信息化建设，对企业整个过程的生产和管理流程有重大影响，同时对企业信息化建设有非常重要的作用。在这一环节使用计算机应用技术，实则是在企业内部构建局域网与电子商务等数据，对供应链中一切参与者信息加以管理，把企业内部与生产管理和外部材料供应等相融，提高企业生产对供应链的适应性。
4 结束语
总而言之，计算机应用技术给企业发展带来机遇的同时也带来了各种挑战，假设企业要健康稳定发展，就需要紧跟时代发展的脚步开展信息化建设，强化对计算机应用技术的使用。所以，企业需要根据自身发展情况进行信息化建设，了解信息化建设的作用，提升计算机应用技术水平。
参考文献
[1]王丽卿.现代计算机应用技术对我国企业信息化影响阐述[J].电脑知识与技术,2019,15(09):254-255. [2]陈小东.论计算机应用技术对企业信息化的影响[J].信息与电脑(理论版),2018(24):5-6. [3]张旭召.计算机信息化在企业管理中的应用[J].电子技术与软件工程,2017(03):165-166. [4]倪鹏.浅论电子信息技术在企业中的应用以及发展趋势[J].商场现代化,2017(09):124-126. [5]贺鸣.试论管理会计在企业财务管理中的应用[J].现代经济信息,2017(22):191. [6]倪龙成.计算机信息化在企业管理中的应用[J].电脑知识与技术,2014,10(21):4961-4962. [7]穆帅帅.计算机应用技术在工程项目管理中的应用探微[J].科技创新导报,2019(02). [8]蔡雨杉.集团企业信息化规划方案的制定与实施[J].信息安全与通信保密,2013(10). [9]周峰.计算机应用技术在工程项目管理中的应用研究[J].电子技术与软件工程,2015(02):189. [10]李万明.浅谈计算机应用技术在工程项目管理中的应用[J].网络安全技术与应用,2015(01):45-46.
篇二：浅析数学与应用数学在大数据中的应用
网站：http://www.ems86.com145教育智库数学与大数据的关系 ◎ 刘婧雯数学如一颗夺目闪耀的明星，照亮了人们的生活。可以说没有数学，就不会有当前迅速发展的网络，也不会有大数据的出现；没有数学就不会有日益发展的计算机技术，也不会有智能化时代的到来。数学在社会领域发挥着前所未有的作用，它推动了社会的进步，改变了人们的思维。此外，大数据的迅速发展也进一步推动了数学向更深领域发展。数学与大数据相辅相成，相互促进。一 . 大数据大数据就是用数据化的思维和先进的处理技术相融合，探索海量数据之间的关系[1] 。大数据对我们的生活具有深远的影响，无论是政府办公还是医疗卫生，无论是航空航天还是军工企业，都离不开大数据。大数据为我们带来更为便捷的服务。“大数据”这个时髦的词语早已深入人心，在未来谁能掌握并充分利用大数据，谁将是市场的赢家。大数据时代为我们呈现了一个别样的舞台，引入了一个全新的思维模式，它对社会的发展具有重要意义。二 . 数学与大数据的关系（一）二者相互促进，相辅相成数学与大数据的关系就如同鱼与水的关系，可以说没有数学就没有大数据。大数据推动了数学的发展，二者相辅相成。大数据为数学提供了一个崭新的平台，在这个平台上数学不断向前发展。大数据中的数据分析与处理都离不开数学的应用，随着云计算的深入发展，数学具有更广阔的发展前景。无论是理论知识还是人才培养都对数学提出了更高的要求，数学的地位明显提高。此外数学的发展也将促进大数据升级，从而推动社会的发展。（二）
数学对大数据的影响1. 数学为大数据的处理提供了动力支撑数学使人睿智，使人理性，使人聪颖。随着计算机的飞速发展，数学得到了飞速发展。在互联网的推动下，大数据迅速发展。当今社会新事物方兴未艾，新技术层出不穷，在激烈的市场竞争下，企业如何做好对大数据的分析与处理工作是企业面临的问题。大数据不但数据量大，而且错综复杂，要想做好数据处理，就要合理运用数学知识。数据的处理与分析离不开数学的应用，数学为其提供了动力支撑。可以说，没有数学就不会有大数据时代，随着数学的发展，大数据将会向更广阔的领域发展。2. 数学推动了大数据的发展数学对大数据的影响是深远的，它为大数据的发展提供了坚实的基础，无论是大数据中的各种编程语言，还是工具方法，都离不开数学的应用。数学为大数据的产生与发展注入了活力。随着数学的不断深入发展，大数据也将向更广阔的领域发展。三 . 大数据对数学的影响（一）大数据为数学带来了挑战时代在发展，社会在进步，这就需要我们不断更新思维，敢于打破常规。在大数据时代，数据爆发式增长，数学面临着巨大的挑战。一些传统的数学建模无法提高大数据的处理能力，这就需要更加灵活的数学建模及方法，来满足大数据的要求。虽然数学为大数据时代的数据处理做出了巨大的贡献，但是随着数据的日益多样化，数据量不断膨胀，传统的分析方式已不能适应时代发展，新的分析方法亟待出现。这就需要科研人员不断探索，不断创新，寻求新的数学方法适应时代的潮流，推动大数据的发展。尤其对于企业来说，数据就是价值，数据就是金钱，而这离不开数学的介入，所以这对数学来说也是一个巨大的挑战。此外，随着应用数学不断发展，纯数学的研究却日渐式微。数学作为一门重要的基础学科，它对我们具有重要的意义。在大数据时代，如果我们将数学蒙上功利化的面纱，过于强调数学的应用，那科技的发展令人震撼，科技改变了人们固有的生活方式，推动了社会的进步。“大数据”这个词可谓家喻户晓，它对人们的影响是巨大的。大数据是科技发展的必然结果，随着大数据时代的到来，数据处理效率得到了空前的提高，与诸多领域联系日益紧密。这一切与数学密不可分，数学为大数据的研发与应用提供了坚实的支撑。本文将分析数学与大数据的关系，旨在说明数学的重要性，以期人们重视数学，利用数学解决生活中的难题，同时推动大数据的发展。么这对于纯数学的研究与发展将带来不利的影响。（二）大数据推动了数学的发展在大数据时代，数据就是财富的源泉，数据就是市场潜在的无限价值所在。以淘宝为例，当我们通过微信等支付方式购买产品时，随之产生的消费数据被互联网企业的 app 收集，再通过专门的人员进行分析处理，进而挖掘出其背后潜在的价值。商家从而能够设计出更加符合消费需求的产品[2] ，进而获得收益。数学在其中发挥了重要的作用。此外，对于大数据而言，先进的算法对大数据产业具有重要的意义，它不但能够提高运算速度和处理数据的精确性，而且有助于大数据产业提高竞争力。随着大数据产业的发展，数学专业的应用范围将逐步扩大，人们也将越来越关注数学，从而推动了数学的发展。（三）大数据给数学带来了发展机遇大数据的迅速发展为数学带来了巨大的发展空间。面对浩如烟海的数据，我们需要更优的算法满足数据处理的需求，这也将进一步推动数学的发展。大数据的发展需要更先进的数学理论，需要更专门的人才。因此，我们应注重对数学的研究，培养专业人才，促进数学发展与进步。“数学”、“大数据”在人们的生产、生活中扮演着重要的角色。数学对大数据的贡献巨大，二者相互融合，相互促进，共同促进了社会的发展与进步。无论是数学还是大数据，都具有深远的意义，所以我们要学好数学，关注大数据，推动二者更好发展。参考文献：[1] 浅析数学与大数据的关系 . 互联网文库[2] 黄尹灿，浅谈大数据时代数学专业的应用前景。《中国校外教育》下旬刊（作者单位：黑龙江省大庆实验中学）万方数据
篇三：浅析数学与应用数学在大数据中的应用
/p>育 教育事业
9 2019 年 年 1 1 月
03 · 281 ·
数学中的统计学是如何应用在“大数据”分析中的
梁馨予 沈阳市第二中学，辽宁 沈阳 110016
摘要：首先，此篇论文给出了在我的理解中的统计学研究的最为典型的问题到底是什么；然后，我将阐述何为大数据；最后一方面，就我个人的理解浅谈在大数据时代统计学的用处是否鲜明体现。
关键词：数学中的统计学；大数据；统计分析；典型问题 中图分类号：G471
文献标识码：A
文章编号：1671-5624（2019）03-0281-01
引言
大数据一直以来都是政府的一些部门主要研究的对象，在如此的情况来说，分析比较大数据在政府中是否有好的统计效果，进一步的去了解政府统计改革和统计发展的机遇一定将会对政府统计作出具有不可小觑的有影响的意义。尽管在近现代的统计学中大都获得了巨大的发展，然而大数据时期来临的时候会暴露出统计学会在个别的方面的问题所在，通过抽样设计调查可以发现，数据的管理以及在包含统计分析等方面，统计学的应用将在“大数据”分析中的方案简简的改变了所谓的传统的统计方式。
1 统计学研究的问题典型是什么
正如我们所了解的，统计学是一门重要的科学用于处理数据的，而统计学在人们的定义也是各有千秋，举个例子说，在英国的《不列颠百科全书》一书中“统计学是一门收集、分析、表述和解释数据的科学”；《韦伯斯特国际词典（第三版）》中也曾明确的提及过“统计是一门收集、分析、解释和提供数据的科学”；在我个人看来，统计学研究的典型问题到底是什么呢，其实是 “运用实际所已知的数据去研究的客观事情的数量特征以及包括发展规律，利用规律去对所研究的客观事物的行为进行预测的过程”。
统计学研究的问题典型就包括其中一个紧要点就是需要我们能够进行合理的统计与分析。样本数据也就是针对已经获得的已知数据，我们应该需要利用所谓的合理并且规律的统计与分析，必然将会对它研究的所谓的客观事物进行准确并且规律的独特的分析、包括判断[1] 。
2 大数据分析的概念到底是什么呢
在我们认为的统计学中，大部分的大数据的使用不仅仅只是局限于使用如平均值，方差以及分位数。
有些数据或许来说并没有那么容易使用，所以数据利用的方法会根据情况的不同会做出不同措施。对于大部分的小数据来说，统计数据可以更好的去处理数据等，然而在所谓的大数据时代，并没有说使用随机的原理分析，但同时又使用了所有已知的大数据。因此样本=总体就出现了。统计抽样的目的其实是为了技术受限，可以更好的去处理所面对的事情而被提出来的，随着时间的流逝又会将抛弃样本分析[2] 。
3 统计学应用在大数据的种种分析中
在当今的数据发达的世界里，“大数据”已经变得无所不能了，好像说大数据已经能够使任何人都知道，那到底何为所流行的大数据呢？大数据是就是那些大到数据库已经无法正常储存，并且无法采集，分析的一种分析数据的整体。大数据与统计分析方法上存在多种联系，其二者均采用了量化的分析，大数据分析的基础其中就是数据化，其实就是一种把各种各样的现象转化为可以制表的量化形式的一种过程，不管是传统统计学中应用的数据或是大数据时代中应用的数据皆是量化形式的一种对大数据进行有效的分析而且包括揭示数据库中所包含的一种事物所拥有的特征。[3]
在随着网络覆盖的范围正一步一步的扩大，统计学的应用慢慢在商业模式中起到重要作用，任何人的一些行为必将产生数据，就比如在用户点击网页以及在刷卡消费时都会出现并且都会被记录起来，从而商家会将会根据有关数据进一步的去挖掘所存在的商机，根据有关的数据统计，现阶段我国的上网率已经超过了 22%，这就从侧面反映出电子商务的企业将会超过 6000 万左右，大多数的跨国公司都将阿里巴巴看作一个重要的买卖平台，这其中就指出阿里指数指的是该网站的每天的运营基础数据。这包括网站点击量以及浏览次数等。另外百度指数同样可以用来表明网民在某件事情的关注程度。作为企业运营过程中的参考根据，有太多的商业模式都是建立在如此的基础上。国内大部分企业运用了软件能够在线销售的销售方案，跟据用户的实际需求去改变它们的收费方式，取得了一些重要的效果，然而这一收费方式的运用的前提是收集和量化数据，采用大数据的技术能够实现对使用频率以及强度的监测，从而有效体现出统计学下的大数据将在商业模式上的有效应用[4] 。举个例子，将基于统计学下的大数据技术应用在商业模式的背景下，互联网广告正在一步一步的朝着低成本，大效应的价值一致的方向发展。正如 CPC 模式和 CPA 的模式等，这个和传统的广告付费模式有着显著的差别，因为广告雇主只对用户特定的行为进行付费的行为，这些创新商业模式的应用大大地促进了媒体等行列的良性发展。综上所述，在统计学的基础上的大数据分析有着重要的应用，根据真实可靠且令人信服的数据对所相关的数量规律做出分析，更进一步的作出合理可靠的决策，由此可以促进社会的稳定且和谐发展。特别是在科学技术正在不断完善的发展前提下，使的统计学会在大数据的分析中取得重要的效应，并且会为将后的人们生活质量带来极大的提高具有重要意义。
4 结束语
在大数据时代，全部的数据能满足需求？我认为这必然是不可能，不论是大数据或者说还是传统的统计学中的数据抽样最初来说大都是杂乱的且是无序的，因此来说，对于数据处理以及包括理论分析等的问题就会变得十分受重视了。然而统计学的帮助在这里就显得额外有必要了，它离不开统计理论的支持，而且还少不了统计分析的种种方法。统计的基础就有数据，然而传统的数据的采集方法就包括这里面所说的实验采集以及数据调差等各种手段。在大量的数据支持下，这完全证明了这个是错的，这导致了样本的客观性难以保证，样本选择因此会受到重大影响。从而可以体现出大数据是科学发展的必然选择之一统计学使得大数据在统计分析数据时跨越了统计过程，没有了任何的限制对于统计数据来说，再根据适当的方法以及如何处理数据的方法，那么我们能够得到更具有说服力以及代表力的结果 。数据挖掘可以更好的被数据利用了，数据可以被一个人好好利用，也可以通过各种各样的步骤来对数据进行有力的处理，那么将会在大数据时代产生不可小觑的非凡作用，在大数据时代它能够发挥它所独有的优势。
参考文献
[1]白云,张琳.试论大数据和统计学在新闻报道中的应用[J].中国报业,2017(18):12-13. [2]孔晓瑞,刘梦玲,靳俊娇.大数据时代背景下对应用统计学专业的思考[J].高教学刊,2016(18):41-42. [3]张林泉.大数据及其在统计分析中的应用研究[J].哈尔滨职业技术学院学报,2016(1):99-101.
篇四：浅析数学与应用数学在大数据中的应用
iddot;273·◆基础教育与教学◆浅谈高中数学高效课堂刘秀娟（河北省定兴县定兴中学 河北 保定 072652）摘 要：高中数学的高效课堂构建需要考虑到年龄特点和学习特点，要在高效课堂的构建过程中确定具体的构建原则，根据原则，确定高效课堂的教学方式以及教学内容。本文就高中数学的高效课堂构建为主要的研究对象，分析高中数学高效课堂的构建方式。关键词：高中；高效课堂；数学教学方式的革新意味着传统的高中数学课堂教学方式不再能够应用于当代的数学教学中，高中数学课堂的构建模式也会发生相应的变化。教学改革下，传统的高中数学教学理念上的调整，改变了高效课堂的构建原则，本文从高中高效课堂的构建原则入手，分析高中数学高效课堂的构建措施。1 高中数学高效课堂的构建原则欲了解高中数学高效课堂的构建原则就需要对高中数学高效课堂构建的概念有所了解。教育教学改革发展下，高中数学教学高效课堂构建的基本定义是围绕着学生核心素养的构建而展开的，学生核心素养的建设中要求学生具有一定的实践和自主创新能力，因而高中数学课堂的构建中也需要考虑学生的数学理论和实际的应用能力的培养。因而笔者对于高中数学高效课堂的构建原则有如下总结：1.1.课堂时间高效利用原则。在高中的数学课堂建设中，首先要考虑数学课堂时间的合理分配，45分钟的教学时间，对于教师教学而言是有限的，教师需要在时间的利用上有一定的原则，高效利用教学时间，将时间进行合理的分配规划，是高中数学教学中的最大原则。1.2.思维与知识的同步构建原则。思维与知识的同步构建原则需要同课堂时间的高效利用原则结合起来，通过高效的时间分配，让学生能够在45分钟内达到思维与知识的同步构建。思维与知识的同步构建指的是，教师在教学中不但要教授数学知识，更要教授学生数学思维，通过数学思维的构建，以培养学生的数学实践能力。1.3.师生共同进步原则。在教改模式下的高中数学课堂中，数学教师与学生的主客体发生了明显的变化，数学教师与学生的地位也有很大的不同。教师不再是权威的象征，教师也不再是绝对的知识输送者，教师成为了知识学习中的一员，通过与学生的平等关系的构建，教师要与学生共同进步。教师要通过与学生之间的交互学习，切实提高教师的专业水平和专业素养，在实际的数学课堂中，展开多样化的教学。2 高中数学高效课堂构建路径2.1.明确教学目标。高中高效数学课堂的构建意味着教师在课堂中不能因为专业能力的不足而浪费时间，教师对时间的把控要达到精确的标准中。因此明确教学目标对于缩小教学范围，明确教学任务有着关键作用。在教学目标的确定过程中，教师需要考虑以下几个问题：一是教师内容的确定，确定教学内容对教学展开有着关键影响，在教学内容确定的过程中，教师还需要考虑在涉及到的教学问题中是否存在教学衔接的问题、教学内容的范围问题等等；二是教学重点的确定，教学重点的确定中包括了知识构建的重点以及教学的重点方式。浅析大数据分析在初中数学教学的应用杨立河（古浪县第六中学 甘肃 武威 733100）大数据分析是指对规模巨大的数据进行分析。大数据作为时下最火热的IT行业的词汇，随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。随着大数据时代的来临，大数据分析也应运而生。大数据已经越来越多的出现在我们生活的各个环节，如：电商、医疗、智慧城市等。在当今的信息时代，大数据给教育带来前所未有的革新与挑战，未来教育在大数据作用下将变得越来越个性化，特别是在线教学平台中，通过大数据进行学习分析，可以改善教学的方式与方法,进一步促进学生学习成绩的提高。1 大数据分析在教育领域应用的背景现代信息技术与经济社会交汇融合的逐步加深引发了数据的迅猛增长，人类社会跨入了大数据时代。国务院2015 年印发的《促进大数据发展行动纲要》指出，大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。大数据正日益对全球生产、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力产生重要影响。信息技术对教育领域的正面影响已经得到广泛认可。《国家中长期教育改革和发展规划纲要(2010-2020 年) 》和《教育部教育信息化十年发展规划(2011-2020 年) 》均明确指出，信息技术对教育发展具有革命性影响，必须予以高度重视；以教育信息化带动教育现代化，是我国教育事业发展的战略选择。教育信息化为学校带来了丰富的教育资源、高效的教学方式、便捷的管理手段等诸多好处，提高了学校的教学水平和教育质量。2 初中数学教学中的大数据策略及应用案例2.1.制定更符合实际的学习策略。通过数据挖掘、学习分析，教师在获取学生的信息后及时的进行了学习策略的调整和教育管理方式的改变。传统的教育大多是教育主管部门和教育者通过教学经验的学习、总结和继承来展开的，然而有些经验并不科学性，常识经常会影响人们的判断。在大数据时代要想制定出更符合实际的教育政策和教学策略，对教育数据进行分析是最好的方式，它可以最深入的挖掘出符合学生实际与教学实际的情况，这为构建学习者经验模型，建立学习者行为模型，构建学习者知识模型，构建领域知识模型，构建学习者档案，使改进教学策略有迹可循。
2.2.实现真正的翻转课堂。学校教育无法将翻转课堂实施好的时候，K12个性化教辅机构们却给出了新的解决方案。以学大的个性化小组课为例，学生不仅可以享用e学大的免费教学视频资源，还能在线下接受N对1教育小组老师的优秀线下小组课，在时间、空间、心理三方面帮助了学生，也解放了学生，凸显了翻转课堂理念的本质价值和意义。据了解，个性化小组课由3至6名学生，课堂完全实现“以学生为中心”，通过前期学生在线上的自我学习，老师在线下的教学中会充分安排与学生互动的时间，实现知识点释疑、盲点解读等。同时由于小组的科学合理划分，学生们的相互交流、互动、提问等问题都明显加强，起到了“三人行，必有我师”的相互问答、相互学习的效果，从而避免了国内翻转课堂中遇到的学生呆滞和孤独的糟糕场景。大数据将大量学生的学习素材、学习过程、提问过程、解决问题过程、测试、反馈等整个学习链条的信息结构化、数据化、模型化，让翻转课堂变成真正的一门具有科学实证特色的项目。2.3.改善学生的学习成绩。大数据行为分析的最终目的是为了改善学生的学习成绩。品学兼优学生数量的多少，对社会发展起着至关重要的作用。然而，现在大多数人却只注重结果，把成绩作为评价学生的唯一标准，使得作业和考试中一系列重要的信息被忽视。通过分析大数据，我们可以发现这些重要信息，并利用它们为改善学生的成绩提供个性化的服务。通过技术层面来评价、分析学生行为，进而提升教学活动。不再只是依靠经验进行评价，而是在数据的基础上进行评价。这样我们就不会只是依赖于主观感知或者唯经验论。通过大量的数据归纳，我们可以从中发现教学活动规律，这样才能更好地改进、优化教学过程。有利于我们通过探索学生行为及其变化的内在联系，挖掘学生更内在的特征，来促使学生的改善与提高成绩。2.4.满足当前个性化教育的需求。在大数据时代，教育研究者可以真正的接近学生，了解学生。通过即时性的行为与现象的记录，可以获得最一手的信息大数据技术。教师可以根据这些最为真实、个性化的学生信息，有针对性地对学生进行因材施教，真正实现以学生为中心。通过探索课堂学习过程，可以了解学生的课下学习情况。真正的减轻了学生的课业负担，也为更加有效率的学习提供了可能。万方数据
篇五：浅析数学与应用数学在大数据中的应用
科学 教研天地9 2019 年 年 3 3 月
03 · 317 ·
浅谈数学逻辑思维在大数据挖掘中的应用
孙浩博 本溪市第一中学，辽宁 本溪 117000
摘要：数学是万物之本，就如现今大数据发展的现在，数学也一直离不开，数学既是一门理学也是一门哲学，它在人类社会发展中起了十分巨大的作用。
关键词：大数据；互联网；数学逻辑 中图分类号：TP311.13
文献标识码：A
文章编号：1673-176X（2019）03-0317-01
引言
现在每个软件差不多都用上了大数据这个有力的工具。大数据的功能和作用也是想对于其他数据工具有效性或是深入性都是十分的杰出的。并且在大数据的遮挡下，我们也可以看到大数据在应用的方面都和数学逻辑有密切的关系。
1 数学逻辑思维中大数据在软件中的应用
在现在人手一部智能机的时代，软件的开发和应用变得十分的重要，和能创造出非常大的经济效益，比如淘宝，百度，腾讯。这几家公司可谓是中国发展的巨头，它们相同处就是都应用了大数据来了解客户的需求，举个简单的例子，比如上淘宝，浏览了一件产品后，经过大数据对个人用户的简单分析，会挑选出类似类似商品可供消费者选择，这就大大节省了消费者挑选商品的时间，或者说大大的提高了交易效率，为社会总体的效益做出了非常大的贡献，但是这只是大数据一小方面的应用，百度也是一样的，对于计算机应用的领域来说，新东方等教学领域也是应用大数据系统的主要领域，同学们可以根据自己的需要，在网上进行直播网课或者是视屏网课的学习，对于海量的资源进行储存，更新新的知识和课程，对于学生的学习进度也是有一个很好地推进作用，应用大数据的企业可以将数据系统进行深度的挖掘，还可以自主研发在线的学习和直播系统，让自己的网站或者是平台更加的自主多样化，计算机大数据的存在可以让教育，商业，军事行业得到大力的推进发展作用。数学是一门自然的语言，也是一个非常好的工具，大数据基于数学而诞生，数学随着大数据的发展而更加有效的推进，大数据是通过数学原理通过各种运算，和逻辑总和推断出结果，所以大数据和数学是密切相关的，大数据在多年的发展和改革中，数学演算和数学逻辑在这里面帮了很大的忙。
2 大数据在互联网学习中的应用
计算机大数据在以往的改革和发展中，提出了很多的概念和技术，当在海量的资源里面寻求对自我有效的知识进行挖掘，可以对自我的需求的到满足，在对于数据库进行建设和对于网络上的科目进行选择时，可以得到有效的整合，增加、删除、改正、或者是整篇删除。在开展知识预处理的情况下，能够对于多个知识点进行采集和修改，得到最有效率的知识整合，这是基于数据挖掘和数据粗放分类的基础上，进行深一步的挖掘。帮助人们发现在海量的学习资源中，能够进行推送的及时搜索，当然，这项技术是在得到相应的指令的情况下才能执行，才会调用相关的资源和信息共享。当然在大数据针对互联网学习时，在计算和预处理方面还是比较依赖，在互联网学习时，教室对于学生的了解还只是停留在单一和浅层次的阶段，不能深化的了解一个学生，不能做到传统课堂和在线课堂的完美结合，在这个层面上，大数据就可以启动搜索和运算能力，对于学生的数据进行收集和处理，对于每个学生都能进行知识的梳理和专业性的指导，同时在线的开展教学工作，对于学生是非常的有针对性的帮助，这样既可以对于传统课堂的教学模式进行补充，也是对于在线课堂的只是模式进行梳理和完善。在大数据的层面来讲，在结合互联网教学和在线课堂的情况下，国内已经是做的很到位了，甚至于是领先国外，但是还有一些潜在性的关系和受着固化思想的指引，大数据开发者还受到了一些局限性思想的限制，不能全面的审视这个问题。换句话说就是出于一个局限而又狭窄的区域去思考大数据的发展趋势和未来，必定会收到束缚和局限。所以可以在一定程度上开脑洞，加大对数据库和大数据的，处理力度和范围的扩大。使之为互联网大数据的发展有效的帮助。随着社会科技和大数据不断地发展，大数据的发展也必须走向多元化，对于范围和模式有着更加多元化的发展。
3 对于大数据的管理
首先要树立合理的管理观念，风险管理是操作管理的根源，应该从增加风险意识，培养风险习惯入手。将大数据上下管理层注入新鲜的风险管理手段。要建立科学有效的管理，实行上下建立，引导和执行优秀的管理文化，切勿忽视管理态度，国内的大数据也要从执行和借鉴外国大数据或者是国内他行的管理理念，更新管理者的概念，加强本行的管理方式的建设[1] 。此外也可以引入国外的先进管理工具和有效的分析系统，有实时的报告和反馈的能力。并且具有一定的转移风险的能力。并为风险承担一定的责任的能力。在管理方案中加入完整的设备操作工具，建立科学的操作方法，合理的安排经济成本，进行定量和定性的双重分析，积极的暴露管理方案所存在的问题，并及时的修复解决，在之中能够发掘更加优良的管理模式，加以应用，合理的制定方案解决预期风险，对于没有预料到的风险能够有紧急预警方式能够解决，建立操作风险的数据库，可以有效的准时的发现存在的问题，并且实时解决，现如今操作风险已经慢慢的变得更加的难以控制，所以大数据应该对这种风险有一定的报备能力，储存一部分资金用于紧急解决相应的问题，填补带来的损失，转移大部分的风险为其他方面。随着社会大数据时代的到来，信息在内部的复杂程度变得越来越大，在大数据业务不断发展，规章制度和要求不断地出台[2] 。从高层传导到底层必定会带来一些信息的误差或者是缺失，如果管理层对于业务的不熟练可能会导致新传达不准确，不全面或者是内容不够丰富，这都会导致信息传达层层减弱，对于信息格式的统一也是对于信息共享的一个重要的要求，在信息额传达过程中，必定会有很多的文件，而文件的格式不同意会导致转义时的漏洞或者是繁琐，使得接收文件的人找不到文件的关键之处，而给双方带来不同程度的困难。对于信息反馈也是造成信息误差的一个重要原因，有时信息的反馈不到位，不能将错误的传达直接或者是间接的传递给决策者，这就导致错误信息的广泛传播，同时当监督部门得到大量的反馈信息但是并没有将之反馈给上级，这就导致了反馈信息的浪费，也导致的效率的底下。所以要将反馈信息及时的做出处理，将反馈信息的重要性提升等级，将每个环节的反馈渠道打通，不能有阻碍反馈的因素[3] 。
4 结束语
在社会全面发展大数据以来，对于大数据人们也是褒贬不一，也有可能泄露隐私。所以大数据的发展也是要健康的走进才能持久。
参考文献 [1]李廉.方法论视野下的计算思维[J].中国大学教学,2016 (7):25. [2]王海.大数据的逻辑与思维[J].新理财,2014(8):24. [3]秦善天.大数据时代数学思维的创新应用探究[J].数学学习与研究:教研版,2018(8):65.
篇六：浅析数学与应用数学在大数据中的应用
化教学2019．8 电脑乐园
56 浅析数学在计算机科学领域中的应用 于瑞熹 山东省青岛第二中学 摘要：数学与计算机科学之间有着千丝万缕的关系，现代计算机科学是伴随着数学问题的求解而产生的，计算机科学的进步也同样影响着现代数学的进步。本文简单阐述了数学与计算机科学之间的关系，分析了数学在计算机科学领域中的应用，进而充分展示数学在计算机科学领域中发挥的重要作用。
关键字：数学知识；计算机科学；应用
1.引言 计算机是因为人力无法完全完成科学研究中数学问题的求解应运而生的，随着自然科学的发展，计算机与人类的关系越发密切，可以说计算机科学与技术是在数学理论的基础之上建立和发展起来的。纵观计算机科学发展的历史，可知数学与计算机科学之间存在着千丝万缕的关系，数学对计算机的发展具有巨大的推动作用。。
2.数学与计算机的关系 数学与计算机并不是相互独立的，而是相辅相成，相互促进共同发展的关系。
（1）数学是计算机应用中的知识基础 数学学科从出现至今已有几千年的历史，而计算机科学的出现不过短短几十年，虽然数学比计算机科学产生的时间早很多，但计算机的出现却是因为数学知识的应用。计算机最早相当于一种数学计算工具，运算原理是数学的二进制，搜索引擎的运用基础是数学算法，因此可以说数学是计算机应用的知识基础。此外，计算机的应用同样也离不开离散数学、数学模型、方程等大量数学知识的应用，计算机科学的发展是以数学理论发展为前提的，只有当数学理论发展到一定高度时，计算机科学的技术才能进一步推进发展。从研究领域来看，许多与计算机相关的专业，都要求掌握一定的数学基础，而且在学习过程中会学习到多门与数学相关的课程，比如高等数学、线性代数、离散数学、概率论等多门涉及到数学基础知识的学科，只有掌握好数学，才能学好之后的计算机专业课程。
（2）计算机的发展有助于数学深层次的应用 近年来，随着计算机科学技术的发展，大数据和云计算已经进入到前所未有的高度，而这些新兴技术发展的同时也推动着数学的进步。一方面，计算机技术提升了数据运算效率，提高了数学在各个领域的应用范围以及数学知识的普及度。另一方面，计算机技术在进步，越来越多的计算机功能与程序被开发出来，大多数科研、工作和生活所需要的基本功能均可以在计算机当中进行并完成，在科研领域，根据人们不同的需求，运用计算机设计出满足不同需求的程序应用软件，来分析记录实验数据、实验结果及其变动情况进而实现高效率研究。
3.数学在计算机科学领域中的应用 （1）离散数学与计算机原理 离散数学是所有计算机科学分支的基础，主要是研究离散量的结构及其相互关系的一门现代数学学科。离散数学在计算机科学与技术中有着及其广泛的应用，也是计算机专业的专业课程，如程序设计语言、数据结构、理论计算机科学基础等，同样这些课程也是计算机科学发展不可或缺的先行课程。
计算机科学系统中，常常以二进制的方式来表示数据，所有的数据均被转换成 0 和 1 的组合形式。这正是电子设备所独有的运作方式，即：通过电信号强度来确保信息的实现以及借电平输出的高度和脉冲是否存在来肯定或者否定这两个特点[1] 。这也就决定了从计算机诞生开始，已经与以微积分为代表的连续性数学无缘了，因此可以说，计算机科学的基石就是离散数学。此外，计算机本身就是一个离散的结构，因此只能处理离散的或者被离散化的数量关系。总之，无论是计算机本身还是计算机科学及其应用技术都与离散数学密切相关。
（2）关系理论与计算机数据存贮 大数据概念是一项新兴的技术概念，正在蓬勃兴起的计算机数据的贮存和管理手段为大数据的发展创造了一个良好的基础。目前，大部分数据库的组织、存贮形式一般是关系数据库。一个系统就会产生千万项数据，因此需要我们采用一种最优的方式来管理和存贮这些种类繁多的数据信息。
数学中的关系理论是现代数据处理的基础，最常用的就是关系规范法和实体联系法。具体来说，关系规范法常常应用在模型和数据结构的设计之中，可以通过关系规范法来解决现实中数据存在的异常、修复和数据冗余等问题；实体联系法则是通过建立实体联系模型去描述现实中的数据，以精简的图形和简单的数据为基础，与具体数据库管理相对应，进而衍生出精确的数据模型[2] 。
（3）数学模型与计算机编程 数学模型就是运用数学语言描述客观事物的特征、数量依存关系和空间形式的一种数学结构。从广义的角度来理解，数学概念、法则、定理、性质、数量关系式、图表等都属于数学模型。近年来，随着计算机的普及和相关产业的迅猛发展，人们已经不能满足于只通过计算机软件来处理简单的数学运算，而是希望可以运用其解决更多的非数值计算方面的数学实际问题。就像高中生熟知的信息学奥赛，它是以信息学，尤其是以编程相关知识为基础的学科竞赛，该种竞赛主要是通过构建数学模型，编写程序，解决人工无法完成的数学或智力类问题。
（4）人工智能与模糊数学 当今计算机含有的二进制数据处理系统已经不能很好的模仿人类大脑神经的运作模式，人类大脑具备处理模糊信息的能力，可以判断和理解模糊现象，而这些计算机科学技术现在还不具备。如何让计算机系统更加智能，这是当今计算机科学领域研究的新方向。人工智能就是由不同的模糊数学思想所构建的一个集合，从而解决不同的模糊问题，因此具有很大的不确定性，而随机性和模糊性都是不确定性产生的重要影响因素。模糊数学不需要将某一客观事物进行明确极端的划分，而是可以用概率论中的隶属度进行描述[3] ，经数学应用到具体的模糊现象及概念，使计算机开始具有模仿人类思维方式的新方法，进而去解决更加复杂的实际问题。
4.总结 在跨学科融合的今天，多学科知识耦合已成为当今学术发展的新趋势，这就意味着，数学虽然是一门简单的基础性学科，但其相关知识在社会生活中的各个领域都有着广泛的应用，尤其是在计算机科学领域，与数学的联系更为紧密，数学的深入研究催生了计算机科学技术的发展，而随着计算机科学的进步发展，也使数学知识体系更为完善。因此，作为高中生的我们，应该明确数学知识的重要性，努力学好数学知识，培养自身的逻辑思维能力，将数学理念与专业结合，实现个人能力的全面发展，实现技术革新，进而推动社会的进步与发展。
参考文献 [1]傅彦，顾小丰，王庆先等．离散数学及其应用［M］．北京:高等教育出版社，2007。
篇七：浅析数学与应用数学在大数据中的应用
数字化用户 2017 年第 12 期Digitization user 信息系统浅谈大数据中数学的应用候明晶(100024 中国传媒大学（理工学部理学院）
北京)[摘 要]信息化时代，大数据在各行业各领域中发挥着越来越重要的作用，是人们从海量数据中挖掘信息、发现规律、探索潜在价值的有效工具。在大数据的研究和应用中，数学是其坚实的理论基础，在数据处理、数据挖掘、评判分析等等过程中，数学方法扮演着至关重要的角色。要发展大数据的研究和应用，必然要重视数学在其中发挥的作用，重视数学方法的创新与发展。[关键词]大数据；数学；应用；模糊聚类一、引言在信息技术迅猛发展的当今社会，随着各行业各领域数据量的爆炸式增长，大数据的热度与日俱增，其应用在相关领域也扮演着越来越重要的作用。以金融领域为例，数据是互联网金融的核心，大数据是互联网金融的重要技术支撑。人们在互联网活动的信息会形成数据，通过对数据的收集、整理、挖掘、分析和深度应用，我们可以创新技术、思维、产品、营销和风险管理。在精准营销、信用评估、资产定价、风险管理和指数编制方面，大数据都发挥着非常重要的作用[1]。大数据不仅仅是指数据，也是技术，更是应用。要解决好应用的问题，首先要有灵活而又扎实的理论基础。从数据的前期处理，到中期的研究分析，包括后期结论的形成，大数据应用的每一步都离不开数学的理论支撑。在使大数据更好地应用到各行业各领域的相关研究中，数学发挥着至关重要的作用。二、数据处理中数学的应用在研究实际问题时，我们对最初的数据集要进行处理，又因为大数据具有时效性的特点，数据处理必须在期望的时间内完成，所以必须兼顾效果与效率。如果最初的数据含有噪声、不完整或者不一致，在进行研究分析前一定要先有预处理，对数据进行清洗、集成和选择，从而提高数据研究和分析的效率和准确性。有时候我们会面临着数据量或者指标集太大的问题，需要从中选择一些重要数据和关键指标。在数据处理中，统计学中的很多方法是经典而又常用的，如描述性统计分析、相关分析、回归分析等。其中回归分析往往是在相关分析的基础上，测定两个或者多个具有相关关系的变量之间数量变化的一般关系，再通过相应的数学模型，可以通过一个已知量推断另一个未知量。回归分析的主要任务就是根据样本数据估计参数，建立回归模型，对参数和模型进行检验和判断，并进行预测等[2]。除了经典、常用的方法之外，还有很多新的数学理论可以应用到数据处理中。例如测度论中，将两个或者有限个单调测度通过运算进行结合，能构造出新的单调测度，我们可以将这一研究应用到数据的降维处理中，与以往的挑选主因子的方法相比，更能保证数据的完整性和有效性，保留更多的信息。三、数据挖掘中数学的应用大数据时代，面对海量信息，要从看似复杂、无规律的数据中得到有效信息、获取潜在价值，数据挖掘无疑是最好的研究方向和技术选择。在整个研究过程中，数据的产生和收集是基础，而数据挖掘则是关键，其特点可以概括为：应用性、工程性、集合性、交叉性[3]。在数据挖掘的总体分析方法和具体实施过程中，数学都扮演着重要的角色。神经网络、关联分析、聚类分析、决策树方法是数据挖掘中常用的方法。我们以模糊聚类分析为例，简单介绍一下其思路和方法。聚类分析遵循“最小化类间相似性，最大化类内相似性”的原则，按照一定的标准，把相关性比较大的对象划分为一类，同时分类要尽量使属于不同类的对象之间差异最大化，由此可以把数据集划分成多个组。在模糊聚类分析中，我们首先进行数据标准化，然后进行标定，即对应模糊关系，建立模糊相似矩阵，再进行直接聚类或者基于模糊等价矩阵进行聚类，也可以采用最大树法或者编网法，得到聚类结果。其中最佳阈值的确定，可以由经验丰富的专家来确定，也可以通过统计学的方法确定最佳值[4]。作为模糊数学中应用最多、最活跃的一个分支，模糊聚类分析在实际生活应用和各学科领域的相关研究中都起到了非常重要的作用，其应用研究也相对成熟，是一个解决聚类问题的很好的方法。四、结语当今时代，数据已经成为一种资源。怎样处理海量数据，从中挖掘信息，发现规律，探索潜在价值，已经成为科学研究和实践应用中十分关键的一个课题。通过以上关于大数据中数学应用的相关讨论，可以看出，大数据的研究和探索，离不开数学的理论基础。大数据的相应处理方法和分析方法，都需要有数学这个的理论后盾。数据的大规模收集和存储，正式研究分析前的数据处理，以及通过数据进行信息挖掘、规律分析、评判打分、预测分析等等，都需要数学为其提供思路和方法，所以，要想更好地发展大数据技术和相关研究，必须重视数学理论的研究与发展，使之更好地与实践相结合，并注重与时俱进，根据实际应用的情况来改进和创新理论，通过实践需求来推动理论的进步和完善。参考文献：[1]叶中行.互联网金融中的大数据应用[J].科研信息化技术与应用. 2015, 6(2)：
3-10.[2]楼巍.面向大数据的高维数据挖掘技术研究[D].上海大学. 2013.[3]李涛，曾春秋，周武柏，周绮凤，郑理.大数据时代的数据挖掘——从应用的角度看大数据挖掘[J].大数据. 2015, 1 (4) : 57-80[4]谢季坚，刘承平.模糊数学方法及其应用[M].武汉：华中科技大学出版社. 2000: 73-74.万方数据
篇八：浅析数学与应用数学在大数据中的应用
与财富表 1 数据处理表TDG 饱和度 表达式G=122% Z= 0*T-3.83%G=110% Z= -0.0035T-0.6193G=120% Z= -0.0005T-0.1274G=130% Z=0.0024T+0.3644G=140% Z=0.0054T+0.8563G=150% Z=0.0084T+1.3482图 3 130%TDG 饱和度水平回避率与时间关系图由图表可知，当 TDG 饱和度为 110% 和 120% 时多数实验鱼的行为并未过多被过饱和水体影响，在两侧水槽来回游动或随意停留在槽内任意位置，未表现出较强的感应回避过饱和水体的能力。当 TDG 饱和度达到130% 后，实验鱼对过饱和 TDG 水体开始表现出较强的回避能力，见图 3 ；当 TDG 饱和度达到 140% 和 150% 时，多数实验鱼在实验刚开始时就停留在清水槽，表现出很强的回避能力，并在经过一定时间后出现了致死效应，这与黄翔等对岩原鲤的研究结果一致，其研究表明岩原鲤在 TDG 饱和度达到 120% 后开始表现出垂向回避能力，并随着时间增长，岩原鲤的回避能力增强。参考文献:[1]Pelicice, F. M., P. S. Pompeu, and A.A. Agostinho. Large reservoirs as e-cological barriers to downstream movements of Neotropical migratory fish. Fishand Fisheries, 2015, 16:697-715.[2]Li, R., J. Li, K. F. Li, Y. Deng, and J. J. Feng. Prediction for supersatu-rated total dissolved gas in high-damhydropower projects. Science in China Se-ries E: Technological Sciences, 2009, 52:3661?3667.[3]Weitkamp, D. E., and M. Katz. A reviewof dissolved gas supersaturationliterature. Transactions ofthe American Fisheries Society, 1980, 109: 659- 702.[4] 周永欣，章宗涉 . 水生生物毒性试验方法 [M]. 北京，农业出版社 .1989.作者简介：刘诗雅（ 1999- ）女，汉族，四川省德阳市什邡市，四川大学水利水电学院 2017 级地下工程专业本科生 .（上接第 154 页）浅析数学与应用数学在大数据中的应用刘英男（辽源职业技术学院 吉林省 辽源市）摘 要：从时代发展的角度来看，大数据就是当今时代信息技术快速发展的必然产物。而数学和应用数学尤其注重的是培养学生对于所学的知识的具体应用能力。因此，将数学以及应用数学融合到现阶段社会大数据发展过程中具有十分重要的意义，可以促进数据运行利用水平的有效提升。为了发挥大数据信息收集和分析的能力，也给数学和应用数学以更大的发展空间，本文从大数据着手进行分析和研究，以促进数学和应用数学在当今时代大数据发展过程中的实际应用。关键词：数学；应用数学；大数据分析；应用研究1、前言从信息的角度来分析，大数据就是指当前社会中人们运用一定的现代化软件对网络中或者现实中存在的信息进行有效的抓取，并且进行进一步的分析和处理的过程，这一过程旨在从数据中获取更多有价值，可以促进社会发展的信息。大数据的分析和应用更加适用于现阶段我国云计算、数据库等海量数据的储存系统。要想促进现阶段大数据分析和应用水平的提升。一个有效的措施就是将数学和应用数学融入到这一过程中，综合发挥其积极作用，促进数据分析和应用水平的提升。因此对现阶段数学和应用数学在大数据发展过程中的应用进行分析，具有十分显著的现实意义。2、现阶段针对数学和应用数学的发展现状分析从整体来看，现阶段数学与应用数学已经不再是原来的纯数学研究。在不断发展的过程中，它已经上升到理论与实际结合应用的水平。随着教育的不断发展和学科体系的逐渐完善，数学已经延伸出很多的复合类学科，在新的发展背景下，数学和应用数学的发展也更加受到业内人士的重视。不同于传统的纯数学专业，数学和应用数学不仅仅考虑对数学理论的深入研究和发展，而且更加注重实际解决实际问题，促进其在实际社会发展过程中的应用。当前阶段，数学和应用数学有不同的发展方向，但是其中一个十分新兴的发展方向就是计算机领域。大数据科学和计算机领域是紧密联合在一起的，随着计算机技术等先进科学技术的不断发展，数学和应用数学需要为这一领域的发展提供基础的理论指导和算法的优化支持。因此，将数学和应用数学与现代大数据分析和应用进行融合，具有可行性和科学性。3、当今时代数学与应用数学在大数据中的应用研究数学与应用数学在大数据中的应用研究具有显著的多样性特征，我们可以从以下几个方面进行详细的分析和介绍：3.1 数学与应用数学在大数据中的应用研究之医疗大数据应用数学和应用科学在大数据中的应用具有十分广阔的发展空间，其中医疗大数据的应用就是十分显著的体现。例如各级各类的医院部门可以通过大数据系统对覆盖全国范围的患者病例进行信息收集和分析，并且可以从中相对全面的掌握病情或疫情的情况。同时，各级各类医院或者科研机构还可以对人类的基因进行大数据分析，这种大数据分析也是建立在数学和应用数学的基础之上的，通过此类研究，医生可以根据患者的不同人体体质实现对症下药。而在医疗药品的研发方面，医疗工作人员和研发人员可以利用数学和应用数学的具体思维方式和逻辑分析方法，对医疗卫生的采集进行更加专业化的处理。通过对人类情绪等更加感性方面的测量，找到更加适合患者病症的药品，从而促进医疗卫生水平的综合提升。3.2 数学与应用数学在大数据中的应用研究之企业大数据应用随着市场经济的不断深入运行，当前企业发展也更加需要大数据的支持。为了促进我国市场化改革的顺利开展，国家也在战略层面上提出了大数据的应用倡导。在促进我国信息建设，加快数字基础设施建设等方面，数学和应用数学也发挥了十分积极的作用。利用数学和应用数学的思维方式和逻辑理念进行深入研究，可以有效实现数据之间的整合以及信息的公开和共享。这不仅仅有利于保证数据的安全，还有利于从数据分析过程中找出企业大数据的发展趋势，实现我国企业更好的高效精准发展，促进经济社会平稳健康运行。4、结束语综上所述，随着现代科学技术的不断发展，大数据已经成为社会发展的必然趋势，而数学和应用数学在大数据发展过程中的应用可以有效促进各方面的发展，实现社会的进步。新时代背景下，数学和应用数学在大数据应用研究中的体现有医疗大数据应用、企业大数据应用等等。发挥数学和应用数学在大数据发展过程中的积极作用，不仅仅有利于促进各行各业改革的深入进行，而且有利于促进社会整体发展水平的提升，促进社会整体发展质量的改善、参考文献:[1] 蔡皓宇 . 浅析数学与应用数学在大数据中的应用 [J]. 数码设计 ,2017.[2] 张程稀 . 关于应用数学促进信息化发展的思考 [EB/OL].[3] 崔世坤 . 探究数学与应用数学的学习方法 [J]. 数学学习与研究 ,2019[4] 徐恩立 . 浅析数学与应用数学在大数据中的应用 [J]. 数码设计 ,2019作者简介：刘英男， 1987.11 ，工程硕士 ，吉林省辽源市，辽源职业技术学院公共教学部数学教师，讲师。科 学 应 用147万方数据推荐访问:浅析数学与应用数学在大数据中的应用 浅析 应用数学 数学
