大数据应用基础分类算法与模型评估
大数据应用基础分类算法的知识点整理得还挺细的，内容覆盖从数据类型、架构技术、到算法分类和模型评估，一整套逻辑都帮你梳理清楚了。对于刚入门数据挖掘或者搞前端想补强后端知识链的朋友来说，这篇资源真挺实用。
大数据的核心概念其实离不开和挖掘这俩关键词，尤其是非结构化数据的挖掘，比如你常见的可穿戴设备、智能手机那堆传感器数据，结构超乱，但也最有价值。
结构化 vs 非结构化的方式也讲得比较明白。像 Excel、数据库这些你肯定不陌生，对应结构化；但像社交媒体图片、语音日志，就得靠更强的流程了，核心是怎么转成可的结构。
架构技术部分说到离线和在线两种分布式计算，前者偏复杂算法，比如推荐系统，后者追求响应速度，比如实时广告。还有个关键点是内存计算，速度快得飞起，挺适合大屏可视化那类场景。
挖掘算法说得也蛮全的，像相似度计算、文本特征提取这些都是你写搜索模块时绕不开的，别小看这些，看懂逻辑后你会发现多 AI 推荐都能自己撸一遍。
数据挖掘流程这一段可以当成项目流程参考模板：信息收集、预、挖掘、评估、知识表示，基本每个环节你都得考虑数据质量和转换效率。
分类与聚类属于两种典型算法。前者有标签（比如预测一个用户会不会点广告），后者是无监督的（比如发现用户潜在兴趣）。你要用机器学习做前端推荐接口时，这块最好搞懂。
模型评估也有说清楚，ROC、Lift这些概念其实蛮好理解，多跑几次就熟了。关键是理解目标 —— 少误判少漏判。
提醒一下，数据准备超关键，一般花 60%以上时间搞定数据清洗和格式转换，挖掘结果才靠谱。别急着上算法，先把数据喂好。
如果你在做前后端联调，或者正好在搞数据可视化项目，这篇资料可以帮你打好底子。顺便推荐几个关联资料：
下载地址
用户评论
