算法是大数据的核心价值。大数据挖掘是从海量的、不完整的、嘈杂的、模糊的、随机的、碎片化的数据中发现隐藏价值和潜在有用信息和知识的过程。什么情况下应该使用什么算法？今天给大家介绍一下大数据算法。1.统计分布统计分布（频数分布）也称为“次数（频数）分布（distribution）”。在统计分组的基础上，将人口中的所有单位划分为组，形成总体单位在组间的分布。分布在各组之间的单位数称为计数或频率。每组次数与总次数（所有整体单位）的比值称为比值或频数。将各组和次数依次排列形成的数列称为统计分布列，简称分布列或分布列。它可以反映群体间各单位的分布状况和分布特征，研究这种分布特征是统计分析的重要内容。上面一堆BLABLA，看看它能干什么。1）平均值是个栗子！中国男人背着“油腻”这个词好几年了。《2017中国人运动报告》的数据显示，至少在步行量上，男生高于女生：男生平均每天步行5874步，女生的步数达到5268步。关注运动，更新观念，中国男性或许可以保持青春容颜。2）同比和环比，同比比较一般是今年第n个月和去年第n个月的比较。环比，指连续两个单位期间（如连续两个月）内数量的变化率。3）高斯分布正态分布（Normaldistribution），又称“正态分布”，又称高斯分布（Gaussiandistribution），最早由A.Demofer在二项分布的渐近公式中得到。C.F.高斯在他对测量误差的研究中从另一个角度推导出来。附言拉普拉斯和高斯研究了它的性质。它是数学、物理和工程领域中非常重要的概率分布，在统计学的许多方面都有很大的影响。如何使用高斯分布？举个栗子：这张图大家都见过。收集尽可能多的用户的开机时间，然后看看时间是如何分布的。4）泊松分布泊松分布是统计和概率中常见的离散概率分布，由法国数学家Siméon-DenisPoisson于1838年发表。大数据领域的小博松分布可以解决大问题！干货来了！栗子1：玩电商和仓储的，进来看看。众所周知，一家小型杂货店平均每周售出2个水果罐头。这家商店水果罐头的最大库存量是多少？假设没有季节因素，可以近似认为这个问题满足以下三个条件：顾客购买水果罐头是小概率事件。b.购买水果罐头的客户是独立的，不会互相影响。C。顾客购买水果罐头的概率是常数。在统计学中，某一类事件只要满足以上三个条件，就服从“泊松分布”。根据公式计算每周销量的分布：从上表可以看出，如果有4罐库存，有95%的概率不会缺货（平均每19周一次);如果有5罐库存，则有98%的概率不会缺货。将缺货（每59周一次）。5）伯努利分布伯努利分布（英文：Bernoullidistribution，又称两点分布或0-1分布，是一种离散概率分布，为纪念瑞士科学家雅各布·伯努利而命名。）。通俗地说，一件事情只有两种可能的结果。伯努利分布以概率a描述一个结果，以概率100%-a描述另一个结果。通俗地说，一旦生了孩子，生男孩的概率是p，生女孩的概率是1-p。这就是伯努利分布。
