張紹宗大數(shù)據(jù)時(shí)代讀書(shū)報(bào)告這本書(shū)里主要介紹的是大數(shù)據(jù)在現(xiàn)代商業(yè)運(yùn)作上的應(yīng)用，以及它對(duì)現(xiàn)代商業(yè)運(yùn)作的影響。《大數(shù)據(jù)時(shí)代》這本書(shū)的結(jié)構(gòu)框架遵從了學(xué)術(shù)性書(shū)籍的普遍方式。也既，從現(xiàn)象入手，繼而通過(guò)對(duì)現(xiàn)象的解剖提出對(duì)這一現(xiàn)象的解釋。然后在通過(guò)解釋在對(duì)未來(lái)進(jìn)行預(yù)測(cè)，并對(duì)未來(lái)可能出現(xiàn)的問(wèn)題提出自己看法與對(duì)策。下面來(lái)重點(diǎn)介紹《大數(shù)據(jù)時(shí)代》這本書(shū)的主要內(nèi)容?！洞髷?shù)據(jù)時(shí)代》開(kāi)篇就講了Google通過(guò)人們?cè)谒阉饕嫔纤阉麝P(guān)鍵字留下的數(shù)據(jù)提前成功的預(yù)測(cè)了20xx年美國(guó)的H1N1的爆發(fā)地與傳播方向以及可能的潛在患者的事情。Google的預(yù)測(cè)比政府提前將近一個(gè)月，相比之下政府只能夠在流感爆發(fā)一兩個(gè)周之后才可以弄到相關(guān)的數(shù)據(jù)。同時(shí)Google的預(yù)測(cè)與政府?dāng)?shù)據(jù)的相關(guān)性高達(dá)97％，這也就意味著Google預(yù)測(cè)數(shù)據(jù)的置信區(qū)間為3％，這個(gè)數(shù)字遠(yuǎn)遠(yuǎn)小于傳統(tǒng)統(tǒng)計(jì)學(xué)上的常規(guī)置信區(qū)間5％!而這個(gè)數(shù)字就是大數(shù)據(jù)時(shí)代預(yù)測(cè)結(jié)果的相對(duì)準(zhǔn)確性與事件的可預(yù)測(cè)性的最好證明!通過(guò)這一事以及其他的案例，維克托提出了在大數(shù)據(jù)時(shí)代“樣本＝總體”的思想。我們都知道當(dāng)樣本無(wú)限趨近于總體的時(shí)候，通過(guò)計(jì)算得到的描述性數(shù)據(jù)將無(wú)限的趨近于事件本身的性質(zhì)。而之前采取的“樣本＜總體”的做法很大程度上無(wú)法做到更進(jìn)一步的描述事物，因?yàn)橹暗臅r(shí)代數(shù)據(jù)的獲取與存儲(chǔ)處理本身有很大的難度只導(dǎo)致人們采取抽樣的方式來(lái)測(cè)量事物。而互聯(lián)網(wǎng)終端與計(jì)算機(jī)的出現(xiàn)使數(shù)據(jù)的獲取、存儲(chǔ)與處理難度大大降低，因而相對(duì)準(zhǔn)確性更高的“樣本＝總體”的測(cè)算方式將成為大數(shù)據(jù)時(shí)代的主流，同時(shí)大數(shù)據(jù)時(shí)代本身也是建立在大批量數(shù)據(jù)的存儲(chǔ)與處理的基礎(chǔ)之上的。接下來(lái)，維克多又通過(guò)了IBM追求高精確性的電腦翻譯計(jì)劃的失敗與Google只是將所有出現(xiàn)過(guò)的相應(yīng)的文字語(yǔ)句掃描并儲(chǔ)存在詞庫(kù)中，所以無(wú)論需要翻譯什么，只要有聯(lián)系Google詞庫(kù)就會(huì)出現(xiàn)翻譯，雖然有的時(shí)候的翻譯很無(wú)厘頭，但是大多數(shù)時(shí)候還是正確的，所以Google的電腦翻譯的計(jì)劃的成功，表明大數(shù)據(jù)時(shí)代對(duì)準(zhǔn)確性的追求并不是特別明顯，但是相反大數(shù)據(jù)時(shí)代是建立在大數(shù)據(jù)的基礎(chǔ)住上的，所以大數(shù)據(jù)時(shí)代追求的是全方位覆蓋的數(shù)字測(cè)度而不管其準(zhǔn)確性到底有多高，因?yàn)榇罅康臄?shù)據(jù)會(huì)湮埋少數(shù)有問(wèn)題的數(shù)據(jù)所帶來(lái)的影響。同時(shí)大量的數(shù)據(jù)也會(huì)無(wú)限的逼近事物的原貌。之后，維克托又預(yù)測(cè)了一個(gè)在大數(shù)據(jù)時(shí)代催生的重要職業(yè)——數(shù)據(jù)科學(xué)家，這是一群數(shù)學(xué)家、統(tǒng)計(jì)學(xué)與編程家的綜合體，這一群人將能夠從獲取的數(shù)據(jù)中得到任何他們想要的結(jié)果。換言之，只要數(shù)據(jù)充足我們的一切外在的與內(nèi)在的我們不想讓他人知道的東西都見(jiàn)會(huì)在這一群家伙的面前展現(xiàn)得淋漓盡致。所以為了避免個(gè)人隱私在大數(shù)據(jù)時(shí)代被這一群人利用，維克托建議將這一群人分為兩部分，一部分使用數(shù)據(jù)為商業(yè)部門服務(wù)，而另一群人則負(fù)責(zé)審查這一些人是否合法的獲得與應(yīng)用數(shù)據(jù)，是否侵犯了個(gè)人隱私。無(wú)論如何，大數(shù)據(jù)時(shí)代將會(huì)到來(lái)，不管我們接受還是不接受!而且這兩年，大數(shù)據(jù)這個(gè)詞突然變得很火，不僅出現(xiàn)在阿里巴巴、谷歌等互聯(lián)網(wǎng)公司的戰(zhàn)略規(guī)劃中，同時(shí)在我國(guó)國(guó)務(wù)院和其他國(guó)家的政府報(bào)告中多次提及，無(wú)疑成為當(dāng)今互聯(lián)網(wǎng)世界中的新寵兒。我對(duì)大數(shù)據(jù)一直好奇已久，閱讀了很多資料仍不得其解，直到讀完《大數(shù)據(jù)時(shí)代》才有了粗略的認(rèn)識(shí)。我側(cè)重于從第一部分中的這三個(gè)觀點(diǎn)談?wù)勛约旱目捶ǎ@三個(gè)觀點(diǎn)可以說(shuō)是哲學(xué)上說(shuō)的世界觀，這三個(gè)觀點(diǎn)可以說(shuō)是哲學(xué)上說(shuō)的世界觀，因?yàn)槭澜缬^決定方法論，所以這三個(gè)觀點(diǎn)對(duì)傳統(tǒng)看法的顛覆，就會(huì)導(dǎo)致各種變革的發(fā)生。首先是第一個(gè)，作者認(rèn)為在抽樣研究時(shí)期，由于研究條件的欠缺，只能以少量的數(shù)據(jù)獲取最大的信息，而在大數(shù)據(jù)時(shí)代，我們可以獲得海量的數(shù)據(jù)，抽樣自然就失去它的意義了。放棄了隨機(jī)分析法這種捷徑，采用所有的數(shù)據(jù)。作者用大數(shù)據(jù)與喬布斯的癌癥治療例子說(shuō)明了使用全部數(shù)據(jù)而非樣本的意義，列舉了日本“相撲”等來(lái)證明使用全體數(shù)據(jù)的重要性。這個(gè)觀點(diǎn)足以這個(gè)觀點(diǎn)足以引起統(tǒng)計(jì)學(xué)乃至社會(huì)文明的變革，因?yàn)榻y(tǒng)計(jì)抽樣和幾何學(xué)定理、萬(wàn)有引力一樣被看做文明得以建立牢固的基石。我對(duì)這個(gè)觀點(diǎn)還是比較認(rèn)同的，如果真能收集到整體的數(shù)據(jù)而且分析數(shù)據(jù)的工具也足夠先進(jìn)，自然是全體數(shù)據(jù)研究得出的結(jié)果更令人信服。但是這個(gè)觀點(diǎn)也過(guò)于絕對(duì)，就算是在大數(shù)據(jù)時(shí)代要想收集到全體數(shù)據(jù)還是不太可能實(shí)現(xiàn)的，因?yàn)槭占w數(shù)據(jù)要付出的代價(jià)有時(shí)會(huì)很大。比如說(shuō)，你要檢測(cè)食品中致癌物質(zhì)是否超標(biāo)，你不可能每一件食品你都檢測(cè)一遍吧。第二，要效率不要絕對(duì)的精確。作者說(shuō)，執(zhí)迷于精確性是信息缺乏時(shí)代和模擬時(shí)代的產(chǎn)物，只有5%的數(shù)據(jù)是結(jié)構(gòu)化且能適用于傳統(tǒng)數(shù)據(jù)庫(kù)的。如果不接受混亂，剩下95%的非結(jié)構(gòu)化數(shù)據(jù)都無(wú)法被利用。作者是基于數(shù)據(jù)不可能百分之百正確的考慮而做出這樣的判斷的，如果采用小數(shù)據(jù)一個(gè)數(shù)據(jù)的錯(cuò)誤就會(huì)導(dǎo)致結(jié)果的誤差很大，但是如果數(shù)據(jù)足夠多、數(shù)據(jù)足夠雜那得出的結(jié)果就越靠近正確答案。大數(shù)據(jù)時(shí)代要求我們重新審視精確性的優(yōu)劣，甚至還說(shuō)到大數(shù)據(jù)不僅讓我們不再期待精確性，也讓我們無(wú)法實(shí)現(xiàn)精確性。谷歌翻譯的成功很好地證明了這一點(diǎn)，谷歌的翻譯系統(tǒng)不像Candide那樣精確地翻譯每一句話，它谷歌翻譯之所以優(yōu)于IBM的Candide系統(tǒng)并不是因?yàn)樗鼡碛懈玫乃惴C(jī)制，和微軟的班科和布里爾一樣，谷歌翻譯增加了各種各樣的數(shù)據(jù)，并且接受了有錯(cuò)誤的數(shù)據(jù)。第三個(gè)觀點(diǎn)，不是因果性，而是相關(guān)性，這是這本書(shū)中爭(zhēng)議最大的一個(gè)觀點(diǎn)，不僅是讀者，就算是本書(shū)的譯者也在序言中明確地說(shuō)到他不認(rèn)同“相關(guān)關(guān)系比因果關(guān)系更重要”的觀點(diǎn)。作者覺(jué)得相關(guān)關(guān)系對(duì)于預(yù)測(cè)一些事情已經(jīng)足夠了，不用花大力氣去研究他們的因果關(guān)系。作者用林登的亞馬遜推薦系統(tǒng)的成功，證實(shí)了大數(shù)據(jù)在分析相關(guān)性方面的優(yōu)勢(shì)以及在銷售中獲得的成功。沃爾瑪也是充分利用并挖掘各類數(shù)據(jù)信息的代表，從啤酒和尿布的案例，以及作者舉的有關(guān)蛋撻和颶風(fēng)天氣的案例，都說(shuō)明了掌握了相關(guān)關(guān)系對(duì)于他們策略的幫助。一句話，知道是什么就夠了，不用知道為什么。很明顯作者所舉的例子都是屬于商業(yè)領(lǐng)域的，但是對(duì)于其他領(lǐng)域來(lái)說(shuō)這個(gè)觀點(diǎn)就值得商榷了。比如說(shuō)，在科學(xué)研究領(lǐng)域，你需要知其然也需要知道其所以然，找到事件發(fā)生的原理。用文中的一個(gè)例子說(shuō)明，喬布斯測(cè)出整個(gè)基因圖譜來(lái)治療癌癥，但是你治療癌癥你必須知道癌癥發(fā)病的原理，知道哪一段基因?qū)е铝诉@種疾病，不可能只是說(shuō)收集各種數(shù)據(jù)，然后利用其相關(guān)性來(lái)判斷哪里出現(xiàn)了問(wèn)題作者在書(shū)中把大數(shù)據(jù)說(shuō)的很厲害，在最后一部分分析大數(shù)據(jù)帶來(lái)無(wú)數(shù)好處的同時(shí)帶來(lái)的不良影響以及如何面對(duì)這些影響。用麥克納馬拉的例子來(lái)說(shuō)明對(duì)數(shù)據(jù)過(guò)度依賴所帶來(lái)的后果。也用《少數(shù)派的報(bào)告》這部電影來(lái)說(shuō)明如果癡迷于數(shù)據(jù)會(huì)導(dǎo)致我們將生活在一個(gè)沒(méi)有獨(dú)立選擇和自由意志的社會(huì)，如果一切變?yōu)楝F(xiàn)實(shí)，我們將被禁錮在大數(shù)據(jù)的可能性之中。所以書(shū)中提出了幾種解決方法，一種是使用數(shù)據(jù)時(shí)征詢數(shù)據(jù)所有個(gè)人的知曉和授權(quán)。第二個(gè)技術(shù)途徑就是匿名化。毫無(wú)疑問(wèn)，大數(shù)據(jù)將會(huì)給社會(huì)管理帶來(lái)巨大的變革。大數(shù)據(jù)給人類社會(huì)的方方面面帶來(lái)了巨大的變革，這是社會(huì)發(fā)展的潮流，不可逆轉(zhuǎn)，我們只有順應(yīng)這種潮流，在思想上和技能上做好準(zhǔn)備才能成為時(shí)代的弄潮兒。對(duì)于一家公司或一個(gè)國(guó)家，要從根本上改變思維和觀念，盡早適應(yīng)這種潮流。最后，附上一段來(lái)自原著的結(jié)語(yǔ)：大數(shù)據(jù)并不是一個(gè)充斥著算法和機(jī)器的冰冷世界，人類的作用依然無(wú)法被完全替代。大數(shù)據(jù)為我們提供的不是最終答案，只是參考答案，幫助是暫時(shí)的，而更好的方法和答案還在不久的未來(lái)。第二篇：數(shù)值讀書(shū)報(bào)告2900字?jǐn)?shù)值分析讀書(shū)報(bào)告一一、第一章數(shù)值分析與科學(xué)計(jì)算引論1、數(shù)值分析也稱計(jì)算數(shù)學(xué)，是數(shù)學(xué)科學(xué)的一個(gè)分支，它研究用計(jì)算機(jī)求解各種數(shù)學(xué)問(wèn)題的數(shù)值分析方法及理論與軟件實(shí)現(xiàn)，用計(jì)算機(jī)求解科學(xué)技術(shù)問(wèn)題通常經(jīng)歷以下步驟：①根據(jù)實(shí)際問(wèn)題建立數(shù)學(xué)模型，②由數(shù)學(xué)模型給出數(shù)值計(jì)算方法，③根據(jù)計(jì)算方法編制算法程序（數(shù)學(xué)軟件）在計(jì)算機(jī)上算出結(jié)果。2、數(shù)值分析的特點(diǎn)有以下四點(diǎn)：第一，面向計(jì)算機(jī)，要根據(jù)計(jì)算機(jī)的特點(diǎn)提供切實(shí)可行的有效算法。第二，有可靠的理論分析，能任意逼近并達(dá)到精度要求，對(duì)近似算法要保證收斂性和數(shù)值穩(wěn)定性，還要對(duì)誤差進(jìn)行分析。第三，要有好的計(jì)算復(fù)雜性，時(shí)間復(fù)雜性好是指節(jié)省計(jì)算時(shí)間，空間復(fù)雜性好是指節(jié)省儲(chǔ)存空間，這也是建立算法要研究的問(wèn)題，它關(guān)系到算法能否在計(jì)算機(jī)上實(shí)現(xiàn)。第四，要有數(shù)值試驗(yàn)，即任何一個(gè)算法除了從理論上要滿足上述三點(diǎn)外，還要通過(guò)數(shù)值試驗(yàn)證明是行之有效的。3、誤差的分類：主要有數(shù)學(xué)模型與實(shí)際問(wèn)題之間出現(xiàn)的誤差叫模型誤差；觀測(cè)產(chǎn)生的觀測(cè)誤差；近似解與精確解之間的誤差稱為截?cái)嗾`差；以及計(jì)算過(guò)程中產(chǎn)生的舍入誤差。4、近似值與精確值的差值就叫做絕對(duì)誤差，簡(jiǎn)稱誤差誤差與精確值的比值稱作絕對(duì)誤差若近似值??的誤差限是某一位的半個(gè)單位，該位到??的第一位非零數(shù)字共有n位，就說(shuō)有n位有效數(shù)字。下邊有介紹了數(shù)值運(yùn)算的誤差限用以下公式計(jì)算?ε（??)≈∑|?=1??|?（??)?5、一個(gè)算法如果輸入數(shù)據(jù)有誤差，而在計(jì)算過(guò)程中舍入誤差不增長(zhǎng)，則稱次算法是數(shù)值穩(wěn)定的；否則稱此算法為不穩(wěn)定的。6、函數(shù)值的相對(duì)誤差與自變量的相對(duì)誤差的比值稱為計(jì)算函數(shù)值問(wèn)題的條件數(shù)，一般情況下，條件數(shù)??≥10就認(rèn)為是病態(tài)，??越大病態(tài)越嚴(yán)重。數(shù)值計(jì)算中通常不采用數(shù)值不穩(wěn)定算法，在設(shè)計(jì)算法時(shí)還應(yīng)盡量避免誤差危害，防止有效數(shù)字損失，通常要避免兩相近數(shù)相減和用絕對(duì)值很小的數(shù)做除數(shù)，還要注意運(yùn)算次序和減少運(yùn)算次數(shù)。7、幾種具有代表性的算法①多項(xiàng)式求值的秦九韶算法②迭代法與開(kāi)方求值③以直代曲與化整為零④加權(quán)平均的松弛技術(shù)心得：本章作為引論，只是對(duì)數(shù)值分析這門課程作了一個(gè)簡(jiǎn)單的介紹，說(shuō)明了數(shù)值分析的一些基本問(wèn)題，主要講了數(shù)值分析的研究對(duì)象，誤差，算法穩(wěn)定性，病態(tài)問(wèn)題，和數(shù)值分析中最基本常用的幾個(gè)算法思想。這一章可以為我們以后學(xué)好數(shù)值分子這門課打好基礎(chǔ)，讓我們知道要學(xué)好這門課，需要掌握哪些相關(guān)的課程，比如高等數(shù)學(xué)、線性代數(shù)等。二、第二章插值法插值法，就是一種近似的運(yùn)算方法，在我們平時(shí)的學(xué)習(xí)中，我們會(huì)遇到許多的解不出來(lái)的函數(shù)。例如，我們?cè)谧鰧?shí)驗(yàn)時(shí)，我們往往是得到了一些離散的點(diǎn)，然后需要通過(guò)這些離散的點(diǎn)來(lái)畫(huà)出這個(gè)函數(shù)的圖形，那我們應(yīng)該怎么畫(huà)出這個(gè)函數(shù)的圖形呢？這就是一個(gè)典型的問(wèn)題，而插值法就為我們提供了這種方法。我們通過(guò)用多項(xiàng)式來(lái)逼近這個(gè)函數(shù)，因?yàn)槎囗?xiàng)式函數(shù)簡(jiǎn)單，而且其性質(zhì)也很好。在多項(xiàng)式插值中，最簡(jiǎn)單的就是把我們得到的離散的點(diǎn)代入多項(xiàng)式中，然后計(jì)算多形式的系數(shù)，這個(gè)方法的思路很簡(jiǎn)單，但是運(yùn)算的時(shí)候太過(guò)于繁雜，所以我們一般是不用的。這樣我們就得想一個(gè)好的方法，拉格朗日插值法就是一個(gè)。拉格朗日插值法的表達(dá)形式是：nLn(x)=∑yk(ωn+1(x)/(x?xk)ω′n+1(xk))k=0其中的xk，yk是我們已知的離散點(diǎn)，而ωn+1(x)=∏nk=0(x?xk)拉格朗日插值是一個(gè)非常簡(jiǎn)單的插值，它的表達(dá)形式一目了然，使得我們很好的理解。如果多項(xiàng)式的次數(shù)較低時(shí)，用這種方法是非常好的，但是當(dāng)插值節(jié)點(diǎn)增減時(shí)，計(jì)算要全部重新進(jìn)行，這就讓我們覺(jué)得它太繁瑣了，所以我們又提出了另外一種插值法，這就是牛頓插值法。在牛頓法中，我們引進(jìn)了均差的概念。K階均差：f[x0,x1,?,xk]=(f[x0,?,xk?2,xk]?f[x0,x1,?,xk?1])/(xk?xk?1),所以牛頓插值的表達(dá)式是：Pn(x)=f(x0)+?+f[x0,x1,?,xn](x?x0)?(x?xn?1),這樣我們?nèi)绻鰷p一些點(diǎn)時(shí)，就不需要再把原來(lái)已經(jīng)運(yùn)算過(guò)的東西再運(yùn)算一遍了，這使我們的運(yùn)算速度大大的提高了，讓我們的工作效率有了改善。牛頓插值有它的運(yùn)算優(yōu)勢(shì)，但是這種運(yùn)算對(duì)于我們?nèi)藖?lái)說(shuō)，其還是很麻煩的，我們必須要求助于計(jì)算器或者電腦。不管是拉格朗日插值，還是牛頓插值，它們只是滿足了在那些離散點(diǎn)處插值函數(shù)的函數(shù)值與原函數(shù)的函數(shù)值是相等的，但是其不能保證在這些點(diǎn)處它們的導(dǎo)數(shù)值相等，甚至是其高階導(dǎo)數(shù)值也相等。為了滿足這種要求，我們又提出了一種插值，它就是埃爾米特插值方法。由于考慮到實(shí)用性，我們只是介紹了兩個(gè)典型的艾爾米特插值，一個(gè)是已知了三個(gè)點(diǎn)的函數(shù)值和某一個(gè)的導(dǎo)數(shù)值，求其三次艾爾米特插值時(shí)，我們利用的是牛頓插值方法來(lái)計(jì)算的。而另外一種情況是已知兩個(gè)函數(shù)值和其導(dǎo)數(shù)值，我們是用類似于拉格朗日插值的方法，運(yùn)用基函數(shù)方法來(lái)運(yùn)算的。前面討論的插值函數(shù)雖然有的已經(jīng)有了一致收斂性，但是其光滑性較差，對(duì)于像高速飛機(jī)的機(jī)翼形線，船體放樣等型值線往往要求有二階光滑度，既有二階連續(xù)導(dǎo)數(shù)。我們就提出了三次樣條插值。它就是在艾爾米特插值上的一種改進(jìn)。三、第三章函數(shù)逼近在數(shù)值計(jì)算中經(jīng)常要計(jì)算函數(shù)值，如計(jì)算機(jī)中計(jì)算基本初等函數(shù)及其他特殊函數(shù)；當(dāng)函數(shù)只在有限點(diǎn)集上給定函數(shù)值，要在包含該點(diǎn)集的區(qū)間上用公式給出函數(shù)的簡(jiǎn)單表達(dá)式，這些都涉及在區(qū)間[a,b]上用簡(jiǎn)單函數(shù)逼近已知復(fù)雜函數(shù)的問(wèn)題，這就是函數(shù)逼近問(wèn)題。在這里我們討論的是，對(duì)函數(shù)類A中給定的函數(shù)f(x)，記作f(x)∈A,要求在另一類簡(jiǎn)單的便于計(jì)算的函數(shù)類B中求函數(shù)p(x)?B,使p(x)與f(x)的誤差在某種度量意義下最小。在這里面，我們主要討論了正交多形式逼近，其中我們介紹了兩個(gè)特殊的正交多項(xiàng)式，一個(gè)是勒讓德多項(xiàng)式，其表達(dá)形式是：Pn(x)=1n2?n!?dndxn(x2?1)n,n=1,2,?.而另一個(gè)是切比雪夫多項(xiàng)式，其表達(dá)形式是：Tn(x)=cos(narccosx),|x|≤1.我們?cè)谟煤瘮?shù)逼近時(shí)，用的就是這兩個(gè)函數(shù)。如果要求的是其最大誤差最小，那我們就用切比雪夫多項(xiàng)式來(lái)逼近，因?yàn)樵谕蔚亩囗?xiàng)式中,切比雪夫多