目录

  • 1 课程介绍
    • 1.1 欢迎词
    • 1.2 课程说明
    • 1.3 课程设计
      • 1.3.1 学习目标
      • 1.3.2 学习内容
      • 1.3.3 学习活动
    • 1.4 教师团队
    • 1.5 先修知识及必备技能
      • 1.5.1 平台使用指南
      • 1.5.2 先修知识
      • 1.5.3 必备技能
  • 2 第一章 商务智能概述
    • 2.1 1.1 商务智能的概念
    • 2.2 1.2 商务智能的核心技术和框架
    • 2.3 1.3 商务智能的组成要素
    • 2.4 1.4 商务智能的分析流程
  • 3 第二章 数据仓库
    • 3.1 2.1 数据仓库的概念
    • 3.2 2.2 数据仓库系统开发概述
    • 3.3 2.3 多维数据模型
    • 3.4 2.4 OLAP
  • 4 可视化 混合式作业
    • 4.1 可视化操作
  • 5 第三章 数据准备
    • 5.1 3.1 讨论:数据准备好了么?
    • 5.2 3.2 数据准备
    • 5.3 3.3 数据类型及处理方式
    • 5.4 3.4 数据准备主要步骤
  • 6 第四章 相关分析
    • 6.1 4.1 相关分析 基本概念
    • 6.2 4.2 相关关系理论和实践
    • 6.3 新建课程目录
  • 7 第五章 聚类分析
    • 7.1 5.1 聚类分析i概念和内容
    • 7.2 5.2 K-means 聚类算法
  • 8 第六章 回归分析
    • 8.1 6.1 回归分析
    • 8.2 6.2 一元线性回归
      • 8.2.1 6.3 回归分析中的梯度问题
    • 8.3 6.4 逻辑回归
  • 9 第七章 分类分析
    • 9.1 7.1 分类分析的原理
    • 9.2 7.2 贝叶斯分类基本原理
    • 9.3 7.3 决策树分类基本原理
    • 9.4 7.4 神经网络分类基本原理
  • 10 第八章 关联分析
    • 10.1 8.1 关联分析原理
    • 10.2 8.2 关联分析的基本算法
  • 11 第九章 文本挖掘
    • 11.1 9.1 文本挖掘的基本原理
    • 11.2 9.2 文本挖掘流程与技术
    • 11.3 9.3 中文分词方法
  • 12 第十章 大数据分析
    • 12.1 10.1 大数据与云计算 基本概念
    • 12.2 10.2 Hadoop 基本概念
    • 12.3 10.3 Spark 基本概念
  • 13 第十一章 社会网络
    • 13.1 11.1 社会网络与博弈论
    • 13.2 11.2 社会网络的基本问题
    • 13.3 11.3 社会网络的基本原则
  • 14 实验内容
    • 14.1 数据挖掘 实验一 决策树
    • 14.2 数据挖掘 实验二  K-MEANS 聚类
    • 14.3 数据挖掘 实验三 神经网络
    • 14.4 数据挖掘 实验四  关联规则
    • 14.5 rapidminer 操作视频示例
  • 15 第十六单元
    • 15.1 答辩及大作业提交
11.2 社会网络的基本问题

应该如何在一种比较准确的层次考虑社会网络,才能抓住上述所有问题的要点?在最基本的意义上,任何事物(对象)的集合,其中某些“事物对”之间由“连接”(ink)关联起来,就是网络。我们可以在许多场合看到这种不同形式的关系或者联系都可以用来定义网络。

由于这种多样性和灵活性,许多领域都可以发现网络的存在。而人们讨论网络,往往在讨论与网络相关的两个问题。 一个是在结构层面的连通性,即谁和谁相连;另一个是行为层面的连通性,即每个个体的行动对于系统中每个其他个体的隐含的后果。

网络的结构很复杂,在网络中的参与者(节点)行为之间的关系同样也是很复杂的。如果每个个体有很强的冬季去获取好的结果,他们就不仅要懂得自己将得到的结果会取决于其他人的行为,而且还需要在计划自己行动的时候将这种因素考虑进来。这样,网络个体的行为模型必须包含策略性行为和策略性推理。

所以,在网络的环境下,评估一个人行为的结果,或者一个事件的起因不应该是孤立的,而应该预计且综合考虑到网络环境对一个人,一个事件的反作用的影响。所以说,我们在一个产品、一个计划中设计某些变化的时候,不能假设所有方面保持不变。因为网络中的变化,可能回味某些方面带来动机导致一些变化而使得整个网络上的行为朝着有违初衷的方向改变。

另外,如果有一大群人,他们之间相互关系紧密,他们对事物响应的方式常常是很复杂的。尽管个体的行为可能受到隐含的、直接看不到的网络的影响,但是效果却是在整个群体层次才有明显的体现。