第一百零三章大数据分析，数据驱动发现
大数据分析，数据驱动创造是盘算机技巧，统计学，数学的综合利用。
科学范式的转变：1实验或者丈量2分析理论3数值模仿4数据驱动。生物就停留在1和2之间。天文学当初产生的数据使得开普勒三大定律和万有引力定律成为可能，理论上，只要单个数据点的本钱足够低，我们可以产生大批的数据用于模式辨认。复杂的现象需要复杂的数据来懂得，提取出模式之后如同公理化系统的构建一样来逼近现实情况。我的野心并不大，能够应用生物信息来解释生命就可以了。具体的利用可以有疾病生物标记物的创造，疾病相干基因的创造等等。
创造目前工作的局限性，细化到可以解决的层次—提出可能的解决方案，最后集成起来。这是盘算机科学的分而治之r。如此重复，如同迭代，数学的演绎，不断开阔人类的认知边界。机器学习算法也是需要各种反馈来进一步修正参数直至收敛到最优解(如梯度降落法)。
科学创造工作流程：收集处理治理分析1收集数据即实验或者视察2数据收拾，以必定的定义好的情势来组织如数据库3数据发掘，各种相干性的构建，个人认为可以通过贝叶斯推断一样的机制来在一些相干对象的组合中构建起高概率的相干性，可以懂得为高维关系的构建是底层关系的累加(微积分基础定理)，以分析数学的思路是在这些复杂对象中总存在这种断定性的关系(不动点，如中值定理)4数据懂得，整合到具体的背景5新知识
数据发掘的方法包含重要的机器学习算法等等，有非监督学习算法如聚类，降维等等，有监督学习如分类回回等等，还有其他的算法如神经网络算法，以及进一步的深度学习。
讲座1：模式辨认
万物皆有理，这是我们的信仰，可以懂得为一种对关系存在的一种假设。然后就是具体地寻找这种关系，即所谓的模式辨认。具体的方法有很多，如分类，回回，更具体的实现有最近邻居法，等等。
模式辨认实在就是对特定函数的结构，如回回方程的数学解析式=+b，，在假设这些函数的存在之后的结构，就是对参数的断定，使得与真实情况的对照能够保持比较低的误差(误差低于必定程度视为等价)，还有各种指标如正确率，召回率等等。
核方法r，本质上也是结构必定的函数来满足必定的需求。
我们可以以足够高维的空间，即每个数据点都具有多个属性，来对现实情况进行建模。理论上可以是无穷维的，从而对一切都建模。但是这是没有意义的，由于我们的盘算资源不足以支撑，而且我们认为有意义的属性的数目和重要性是浮现幂律发布的，即只有少部分的指标具有更大的重要性。因此降维处理势在必行。这与线性代数的线性无关基地的分解类似，都是以最少的丧失来存储数据。比如说主成分分析。也可以懂得为特点值/向量的提取。
算法的盘算需要对特定指标的选择和盘算，必须是可量化的，这样才可以更新各种参数，从而收敛停机。如人脸辨认，就是通过相干指标的盘算来推断哪些区域更可能是目标区域。
讲座2：机器学习先容
利用的广泛性。本质上是经过练习找到必定的函数或者分类器，能够利用于泛化的数据。
主动编程机—人工智能，从一开真个硬编程，即编码所有规矩，在创造其不可能的基础上探求软编程，通过数据学习，对于特定的任务，有必定的丈量指标rrr，其能够根据经验r来不断改良。如垃圾邮件辨认，医疗诊断，广告推荐等等。
大数据:大批数据，产生速度快，r多样性，r，价值，从数据提取知识。
对于不同问题，应当选择不同的算法，不存在万能算法包打天下，必须综合考虑得和失。固然深度学习有这个潜力。我们的目标在于创造生物的不明显效应，如转录的多个影响因素组蛋白乙酰化，转录因子的相互作用等等，并发掘可能的工作机制如相干蛋白质的作用。
讲座3:数据—数据模型—数据库
数据—信息—知识—原理，金字塔的结构，数目不断减少，但重要性不断进步。
讲座4：神经网络在各个领域施展重要作用，如语音图像辨认，推荐系统，社交网络等等，我们尤其注意其中生物的利用，比如说基因表达芯片的数据分析等等。数据—模型—盘算能力的联合，使得我们能够发掘出统计层次具有意义的模式，能够与必定的生物机制构建相干性。可以有探针式的输进，在库找到相干性的团体。
神经网络的练习需要大规模的矩阵运算，复杂度很高，需要采用必定的优化措施来加速运算:低秩近似rr，网络r，rrr.
矩阵分解可以减少盘算量。稀疏矩阵，降低储存量。不动点节俭存储量，运算时间等等，这是一种存在性的假设和改革。相当于将进行先验的概率进行运算，能够更快地收敛到目标最优解。
深度学习:特点提取—r学习—分类
本章已完成！