Page 132 - 计算机应用软件开发技术研究

计算机应用软件开发技术研究
Research on Computer Application Software Development Technology

信息。同时，有些行业的噪声大，干扰信息比较多，容易受到不一致的垃圾数据
的干扰，从而给相关从事人员带来不好的影响。在机器学习的过程中，相关工作
人员需要科学合理地应用未标识数据在相关数据下能够高效处理垃圾数据，从而

保证数据的使用率。
5.提高处理能力
大数据时代下，利用机器学习计算分析大量烦琐的数据，那么，如何降低机
器学习计算中的错误率是当前需要解决的问题。当各行各业和对应学科出现失误

的时候，每个时代都有不同的数据忍耐度，就算是同一个行业或者同一个学科中
的判断失误，所出现的数据价值都是存在一定差异的。例如：当小偷入室抢劫的
行为发生的时候，系统会误以为是业主回家；反之，机器将业主回家的行为判定
为是小偷入室抢劫等情况，虽然事情的一样的，但是两者产生的价值信息是有很

大区别的。所以在中国以往的机器学习中，要综合考虑同等事件下的同等价值问
题，在以后的某个时间段里，需要高效地处理类似的这种敏感性价值问题。
在机器学习的时候，需要对机器学习进行深入分析，然后有效地提高泛化能
力和学习速度，及时处理代价敏感问题将是未来机器学习的重要发展方向。基于

大数据时代的机器学习顺应大数据时代发展的需求，推动了中国的经济水平发展
和奠定了现代科技进步的良好基石，可以提高中国的国际竞争力，并在国际竞争
中占据优势。

第二节 大数据机器学习应用

一、探讨大数据时代机器学习的应用及发展

当下，大数据逐步上升到国家战略的层次，时代要求我们要把握信息革命历

史机遇，用好大数据，增强利用数据推进各项工作的本领，不断提高对大数据发
展规律的把握能力，使大数据在各项工作中发挥更大作用。大数据技术是指针对
包含结构化数据、半结构化数据和非结构数据在内多种多样的数据，快速从中提

取有效信息的技术。传统的数据分析技术重点关注使用适宜的既定统计方法针对
数据展开分析，以便从中发掘具体的功能和价值。相较于传统的数据分析，大数
据技术的关键目标之一在于在浩如烟海、结构繁复的大量数据之中发掘各类数据

·120·