=数据卡尺=
如何用统计学的知识,来应用在数据上呢?
-第一步-
要弄明白统计学和数据之间的共性和非共性。
统计学:每一个数据无论其数值是多少,其本身就作为一个数值独占的存在体,然而统计学本身就有意和无意的忽略了各个数值的先后排列。
数据:每一个数据无论其数值是多少,其本身就作为一个数值独占的存在体,然而数据本身很注重各个数值的先后排列。
比如:ABRACADABRA
用统计学来表示,就是A出现了5次,B出现了2次,C出现了1次,D出现了1次,R出现了2次。
用数据来表示,就是ABRACADABRA。
那么如何把数据快速的解压缩出来呢?可以使用分段压缩方式,比如把一个大文件,分割成一个个片段,例如:
ABRACADABRA THE FOX JUMP.张三和李四一起去喝酒。
那么,就可以根据前面的数据,本身就是采用英文的方式,也就是最多是52进制(区分大小写),而后面的中文可就麻烦了,毕竟中文本身进制相当大,那么就需要进行大进制处理。
用统计学的方法,就是把数据平均分,然后分割成可以互相对齐的数据个体,然后统计这些数据个体各出现了多少次。
然后进行统计,把统计数据记录下去。
也就是说,把大英百科全书的纯文本内容用统计学的方式记录下来,就能对应到大小写英文字母+符号+空格+换行+换页……
那么就能够统计出各英文字母出现过多少次,这导致的就是数据能够很好把所有元素给还原出来,只是这些元素之间的排列组合,就随着数据长度的变大而趋向更高运算量。
最简单的方法,就是用三种统计方法:
如字母矩阵:
A C A E F H I O P Q R T T Y T
A S D K F J A S L K F D J L A
S K J F D A S D F S A D F A S
D F A S F A S D F A S F D A S