本文探讨了大数据技术在数据挖掘中的应用，包括数据科学家如何将数学挖掘算法与大数据结合，以解决相关性问题。文章通过实例介绍了如何使用欧氏几何空间距离、余弦相似度、Tf-idf权重、皮尔逊相关系数和曼哈顿距离算法等方法寻找相关项。此外，还讨论了CAP定理在分布式系统设计中的应用，以及如何在大型网站中实现高可用性和分区容忍性。文中提到了多种大数据技术，如分布式缓存、分布式数据库、分布式文件系统和NoSQL数据库，以及它们在处理大规模数据和复杂查询方面的优势。
导读：随着大数据时代浪潮的到来，数据科学家这一新兴职业也越来越受到人们的关注。本文作者Alexandru Nedelcu就将数学挖掘算法与大数据有机的结合起来，并无缝的应用在面临大数据浪潮的网站之中。
数据科学家需要具备专业领域知识并研究相应的算法以分析对应的问题，而数据挖掘是其必须掌握的重要技术。（相关文章：《数据科学家：未来至少5年内的好职业》）以帮助创建推动业务发展的相应大数据产品和 大数据解决方案。EMC最近的一项调查也证实了这点。调查结果显示83%的人认为大数据浪潮所催生的新技术增加了数据科学家的需求。本文将为您展示如何基 于一个简单的公式查找相关的项目。请注意，此项技术适用于所有的网站（如亚马逊）
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
