当前位置：
个人银行卡分类Ⅰ类Ⅱ类Ⅲ类怎么分？不同级别有什么作用？跨行转账收费吗？
12月1日，央行关于个人银行账户实行分类管理的新政将正式实施。
　　12月1日，央行关于个人银行账户实行分类管理的新政将正式实施。根据央行要求，个人银行账户实行分类管理，分为Ⅰ类、Ⅱ类、Ⅲ类账户，不同类别的账户有不同的功能和权限。新政落地后，大家的银行账户到底该怎么用呢?　　自12月1日起，个人在银行开立账户，每人在同一家银行只能开立一个Ⅰ类户，如果已经有Ⅰ类户的，再开户时只能是Ⅱ、Ⅲ类账户。账户级别的不同，意味着功能和额度的差异。　　Ⅰ类银行账户权限最高必须柜面开户　　央行此次通知要求，银行在切实落实账户实名制的前提下，根据开户申请人身份信息核验方式及风险评级，审慎确定银行账户功能、支付渠道和支付限额，并进行分类管理和动态管理。　　具体来说，据介绍，存款人可通过柜台、自助机具和电子渠道开立Ⅰ类银行账户、Ⅱ类银行账户或Ⅲ类银行账户。Ⅰ类户是全功能的银行结算账户，存款人可通过Ⅰ类户办理存款、购买理财产品等金融产品、支取现金、转账、消费及缴费支付等;Ⅱ类账户可购买投资理财产品等金融产品、办理限定金额的消费和缴费支付等;Ⅲ类户只能办理小额消费和缴费支付。Ⅱ类户与Ⅰ类户最大的区别是不能存取现金、不能向非绑定账户转账。Ⅲ类户与Ⅱ类户最大的区别是仅能办理小额消费及缴费支付，不得办理其他业务。　　从开户渠道来看，三类账户的要求也完全不同。大家去银行柜台可以开立Ⅰ类银行账户、Ⅱ类银行账户或Ⅲ类银行账户。　　通过远程视频柜员机和智能柜员机等自助机具受理银行账户开户申请，银行工作人员现场核验开户申请人身份信息的，银行可为其开立Ⅰ类户;银行工作人员未现场核验开户申请人身份信息的，银行可为其开立Ⅱ类户或Ⅲ类户。通过网上银行和手机银行等电子渠道受理银行账户开户申请的，银行可为开户申请人开立Ⅱ类户或Ⅲ类户。与Ⅰ类账户必须到柜台当面办理不同，Ⅱ类、Ⅲ类账户可以通过“绑定”Ⅰ类账户的办法在网上开设。　　三类账户限额不同　　“这次把传统上在柜面开设的账户设为Ⅰ类账户，属于全功能的银行结算账户。在此基础上，为便利存款人支付，增设了Ⅱ类、Ⅲ类账户。”央行支付司有关人士介绍，Ⅱ类账户满足直销银行、网上理财产品等支付需求，Ⅲ类账户主要用于快捷支付比如“闪付”“免密支付”等。　　Ⅱ类账户单日支付额度在一万元以内，但购买理财产品的额度不限。消费者用Ⅲ类账户，可进行“闪付”等非接触式支付或小额“免密支付”，因为目前设定余额在一千元以内，一旦遇到欺诈、遗失造成了损失，最大损失也不会超过一千元。　　新政实施后，大家原有的银行账户怎么办?北青报记者从央行支付司了解到，对于之前开立的账户，只要是当面开设的都会确定为Ⅰ类账户。今后再开设账户，就会明确让客户选择是哪类账户。每个人可根据自己的需要，主动管理自己的账户，把经常使用网络支付的账户降级，将不同的账户按需要分类管理，这样既能保证资金安全，也方便支付。　　绑定支付 可用Ⅱ类或Ⅲ类　　目前，很多用户把自己管理主要收入的工资卡与支付宝、微信支付等绑定。新政实施后，完全可以通过Ⅱ类账户和Ⅲ类账户来关联这些支付账户，降低风险。　　工行个人金融部项目管理处处长张航宇介绍称，具体方法上，客户可以通过银行各渠道，基于工资卡绑定开立一个Ⅱ类或Ⅲ类账户用于绑定支付账户，工资发放后将一部分资金从工资卡转入Ⅱ类或者Ⅲ类账户，用于线上小额消费和缴费，其他资金仍然存放在工资卡中。这样就可以通过Ⅱ类、Ⅲ类账户实现账户风险隔离，彻底保证工资账户资金安全。同时，Ⅱ类、Ⅲ类账户线上消费、缴费具有一定限额，万一出现风险，损失也能控制在有限范围内。　　工行申请Ⅱ类账户可跨四大行　　目前，个人能在手机银行和网上银行足不出户在线申请开立Ⅱ、Ⅲ类账户。北青报记者昨天点击工行手机银行“账户申请”一栏后，看到屏幕上出现可以申请Ⅱ类账户和申请Ⅲ类账户。值得注意的是，Ⅱ类账户可绑定的借记卡不只限于工行自己的，还可以跨行绑定农行、中行、建行、交行这四家国有大行的借记卡。开立成功后，可以在线跨行资金归集、投资理财、在线消费和公共事业缴费。Ⅲ类账户只能绑定在工行本行的借记卡，点击之后，系统自动生成一个62开头的电子账户，同时需要从绑定多银行卡转账来激活这一账户。转账金额最少1分钱，最多1000元钱，客户还要设置六位数的账户密码。　　张航宇同时介绍称，各家银行对不同类型账户的开立转换调整会有不同的规定。以工行为例，之前，银行开户方式分为两类：线下开立实体账户和线上开立电子账户。凡是在线上开立的账户都属于Ⅱ类或Ⅲ类账户。以后，Ⅱ类或Ⅲ类账户要升级成为Ⅰ类账户，对客户身份核实的要求更高一些，会要求客户去网点现场核验身份，但Ⅰ类账户下调为Ⅱ类或Ⅲ类账户则相对简单，客户经过基本的身份确认就可以调整。　　多家银行已宣布网上转账汇款全免费　　依托Ⅰ类账户，百姓可在网上选取任意银行开设多个Ⅱ类、Ⅲ类账户，但是Ⅱ类、Ⅲ类账户的资金只能来自Ⅰ类账户，而现在大部分银行还在对跨行或异地转账收取手续费，百姓在使用Ⅱ类、Ⅲ类账户时岂不是得多交费用?　　业内人士指出，央行已在通知中明确，鼓励银行对存款人通过网上银行、手机银行办理的一定金额以下的转账汇款业务，免收手续费。如果有银行不减免手续费，那么在办理跨行业务时央行的超级网银就会向这家银行收费。目前，多家银行已宣布网上转账汇款全免费。银行间的激烈竞争，加上政府部门的积极引导和配套措施，会使银行转账费用不断降低。
腾讯视频 (原QQLive) .645.0 正式版
最新评论(共条评论)
评论空缺中，快来抢沙发!
今日最热资讯本周最热资讯滑板种类有哪些 如何区分玩具板与专业板_知识频道_买购网
按模块条件查看
阅读：27611次
摘要：玩具板是给小孩子玩的，他的板面有是塑料的，还有的木板的，专业板是板面一般为枫木板，弹性好，板面上的砂耐磨！
滑板种类有哪些 如何区分玩具板与专业板
玩具板指仅供滑行的滑板，初学者也可以用。初学者应选择平坦的滑行场地，在滑行时应戴上护肘、护腕、护膝、头盔等护具。但是，如果你真的下定决心进行开始你的极限生涯了，那么，放下你手中的那块儿童板吧！
如何区别玩具板与专业板
玩具板是给小孩子玩的，他的板面有是塑料的，还有的木板的，对于木板的来说，我们要看板上的砂石一模就掉还是比较结实的，一模就掉，或者就没有砂的就是玩具板。还有玩具板的板面是杂合木板，弹性差。板面有花花绿绿的图案的一般也是玩具板！
从价格上大概也能分辨出来，几十的一定就是玩具板了，100多的大都也是！入门级的整板最少一般也是200起步的！
专业板是板面一般为枫木板，弹性好，板面上的砂耐磨！
一般技术板主要着种在花式技巧上，除了滑行外还有行进间的动作，所以在板身上不会有太多其他的设计，就以一般常见的双头翘板型為主。而在充满障碍物的街道上，也是技术板玩家挑战的目标，不断的练习技巧和突破自我极限，都是為了征服每一个障碍，和表现出最自我的滑板态度。
鱼形板Cruiser的尺寸较小迷你，长度上与技术板相差不远，但在宽度上大多数均比技术版更宽，Cruiser的尺寸优势更适合在城市街道中游走穿梭，携带方便，重量较其他种类代步工具轻巧许多，绝对是代步的减碳新选择。Cruiser於板身图案面多了四个凹槽，这是為了避免滑行中发生咬轮(Wheel Bite)的状况。
反向式的轮架是专為长版所设计的，能提供更佳的稳定性以及抓地力在过弯的灵敏度是远超过技术板的。整体而言长版更贴近衝浪，也衍生出顺着蜿蜒的山间道路往下衝刺Downhill的刺激玩法，除了必须具备一定的控板技巧外也挑战你的勇气，长板更能带来一份与技术板不同的乘风速度感与快感，与其在海边枯等着浪期待站上浪头的那短短时光，衝浪爱好者不妨式是在陆地上享受衝浪般的滑行快感。
您可能关心的：
免责声明：
凡注明"来源：XXX"的知识/资讯/名人/访谈等文章，均由企业/经销商/用户自行通过本网站系统平台投稿编辑整理发布或转载自其它媒体，仅供学习与参考等非商业用途性质使用，并不代表本网站赞同其观点和对其真实性负责。
如有侵犯您的版权，请联系我们，我们将及时删除。
提交说明：
注册登录发布：
行业精彩推荐
月关注排行榜
最新加入文章
历史关注排行
8355人关注
4706人关注
1483人关注
5117人关注
27611人关注
1821人关注
5143人关注
3853人关注
按条件查看：
热卖网店：
广东省通信管理局，
收藏
分享您的 IP 地址/地理位置：117.85.26.251江苏&&无锡&&联通
当前位置： &
如何将大数据分为不同的类别? 10:19:11&|&编辑：hely&|&查看：&|&评论：
大数据问题的分析和解决通常很复杂。大数据的量、速度和种类使得提取信息和获得业务洞察变得很困难。
如何将大数据分为不同的类别
的分析和解决通常很复杂。大数据的量、速度和种类使得提取信息和获得业务洞察变得很困难。以下操作是一个良好的开端：依据必须处理的数据的格式、要应用的分析类型、使用的处理技术，以及目标系统需要获取、加载、处理、分析和存储数据的数据源，对进行分类。
大数据可通过许多方式来存储、获取、处理和分析。每个大数据来源都有不同的特征，包括数据的频率、量、速度、类型和真实性。处理并存储大数据时，会涉及到更多维度，比如治理、安全性和策略。选择一种架构并构建合适的大数据解决方案极具挑战，因为需要考虑非常多的因素。
这个 &大数据架构和模式& 系列提供了一种结构化和基于模式的方法来简化定义完整的大数据架构的任务。因为评估一个业务场景是否存在大数据问题很重要，所以我们包含了一些线索来帮助确定哪些业务问题适合采用大数据解决方案。
从分类大数据到选择大数据解决方案
如果您花时间研究过大数据解决方案，那么您一定知道它不是一个简单的任务。本系列将介绍查找满足您需求的大数据解决方案所涉及的主要步骤。
我们首先介绍术语 &大数据& 所描述的数据类型。为了简化各种大数据类型的复杂性，我们依据各种参数对大数据进行了分类，为任何大数据解决方案中涉及的各层和高级组件提供一个逻辑架构。接下来，我们通过定义原子和复合分类模式，提出一种结构来分类大数据业务问题。这些模式有助于确定要应用的合适的解决方案模式。我们提供了来自各行各业的示例业务问题。最后，对于每个组件和模式，我们给出了提供了相关功能的产品。
第 1 部分将介绍如何对大数据进行分类。本系列的后续文章将介绍以下主题：
&&&定义大数据解决方案的各层和组件的逻辑架构
&&&理解大数据解决方案的原子模式
&&&理解用于大数据解决方案的复合（或混合）模式
&&&为大数据解决方案选择一种解决方案模式
&&&确定使用一个大数据解决方案解决一个业务问题的可行性
&&&选择正确的产品来实现大数据解决方案
依据大数据类型对业务问题进行分类
业务问题可分类为不同的大数据问题类型。以后，我们将使用此类型确定合适的分类模式(原子或复合)和合适的大数据解决方案。但第一步是将业务问题映射到它的大数据类型。下表列出了常见的业务问题并为每个问题分配了一种大数据类型。
按类型对大数据问题分类，更容易看到每种数据的特征。这些特征可帮助我们了解如何获取数据，如何将它处理为合适的格式，以及新数据出现的频率。来自不同来源的数据具有不同的特征;例如，社交媒体数据包含不断传入的视频、图像和非结构化文本(比如博客文章)。
表 1. 不同类型的大数据业务问题
我们依据这些常见特征来评估数据，下一节将详细介绍这些特征：
&&&内容的格式
&&&数据的类型（例如，交易数据、历史数据或主数据）
&&&将提供该数据的频率
&&&意图：数据需要如何处理（例如对数据的临时查询）
&&&处理是否必须实时、近实时还是按批次执行。
使用大数据类型对大数据特征进行分类
按特定方向分析大数据的特征会有所帮助，例如以下特征：数据如何收集、分析和处理。对数据进行分类后，就可以将它与合适的大数据模式匹配：
1、分析类型&& 对数据执行实时分析还是批量分析。请仔细考虑分析类型的选择，因为这会影响一些有关产品、工具、硬件、数据源和预期的数据频率的其他决策。一些用例可能需要混合使用两种类型：
2、欺诈检测;分析必须实时或近实时地完成。
3、针对战略性业务决策的趋势分析;分析可采用批量模式。
4、处理方法&& 要应用来处理数据的技术类型(比如预测、分析、临时查询和报告)。业务需求确定了合适的处理方法。可结合使用各种技术。处理方法的选择，有助于识别要在您的大数据解决方案中使用的合适的工具和技术。
5、数据频率和大小&& 预计有多少数据和数据到达的频率多高。知道频率和大小，有助于确定存储机制、存储格式和所需的预处理工具。数据频率和大小依赖于数据源：
&&&按需分析，与社交媒体数据一样
&&&实时、持续提供(天气数据、交易数据)
&&&时序(基于时间的数据)
6、数据类型&& 要处理数据类型 & 交易、历史、主数据等。知道数据类型，有助于将数据隔离在存储中。
7、内容格式(传入数据的格式)结构化(例如 RDMBS)、非结构化(例如音频、视频和图像)或半结构化。格式确定了需要如何处理传入的数据，这是选择工具、技术以及从业务角度定义解决方案的关键。
8、数据源&& 数据的来源(生成数据的地方)，比如 Web 和社交媒体、机器生成、人类生成等。识别所有数据源有助于从业务角度识别数据范围。该图显示了使用最广泛的数据源。
9、数据使用者&& 处理的数据的所有可能使用者的列表：
&&&业务流程
&&&业务用户
&&&企业应用程序
&&&各种业务角色中的各个人员
&&&部分处理流程
&&&其他数据存储库或企业应用程序
10、硬件&& 将在其上实现大数据解决方案的硬件类型，包括商用硬件或最先进的硬件。理解硬件的限制，有助于指导大数据解决方案的选择。
图 1 描绘用于分类大数据的各种类别。定义大数据模式的关键类别已识别并在蓝色方框中突出显示。大数据模式(将在下一篇文章中定义)来自这些类别的组合。
图 1. 大数据分类
结束语和致谢
在本系列剩余部分中，我们将介绍大数据解决方案的逻辑架构和各层，从访问到使用大数据。我们将提供数据源的完整列表，介绍专注于大数据解决方案的每个重要方面的原子模式。我们还将介绍复合模式，解释可如何结合使用原子模式来解决特定的大数据用例。本系列最后将提供一些解决方案模式，在广泛使用的用例与各个产品之间建立对应关系。
作者: Divakar等& 来源: DeveloperWorks
相关阅读：
搜索"raincent"或扫描下面的二维码聚类和分类的区别
分类和聚类的区别
分类(classification )：
它找出描述并区分数据类或概念的模型(或函数)，以便能够使用模型预测类标记未知的对象类。
分类的目的是学会一个分类函数或分类模型(也常常称作分类器),该模型能把数据库中的数据项映射到给定类别中的某一个类中。
分类和回归都可用于预测，两者的目的都是从历史数据纪录中自动推导出对给定数据的推广描述，从而能对未来数据进行预测。
与回归不同的是，分类的输出是离散的类别值，而回归的输出是连续数值。二者常表现为决策树的形式，根据数据值从树根开始搜索，沿着数据满足的分支往上走，走到树叶就能确定类别。
要构造分类器，需要有一个训练样本数据集作为输入。训练集由一组数据库记录或元组构成，每个元组是一个由有关字段(又称属性或特征)值组成的特征向量，此外，训练样本还有一个类别标记。一个具体样本的形式可表示为：（v1,v2,...,
c)；其中vi表示字段值，c表示类别。
分类器的构造方法有统计方法、机器学习方法、神经网络方法等等。
不同的分类器有不同的特点。有三种分类器评价或比较尺度：
预测准确度；2)计算复杂度；3)模型描述的简洁度。
预测准确度是用得最多的一种比较尺度，特别是对于预测型分类任务。
计算复杂度依赖于具体的实现细节和硬件环境，在数据挖掘中，由于操作对象是巨量的数据，因此空间和时间的复杂度问题将是非常重要的一个环节。对于描述型的分类任务，模型描述越简洁越受欢迎。
另外要注意的是，分类的效果一般和数据的特点有关，有的数据噪声大，有的有空缺值，有的分布稀疏，有的字段或属性间相关性强，有的属性是离散的而有的是连续值或混合式的。目前普遍认为不存在某种方法能适合于各种特点的数据。
聚类(clustering)：无监督学习
是指根据“物以类聚”的原理，将本身没有类别的样本聚集成不同的组，这样的一组数据对象的集合叫做簇，并且对每一个这样的簇进行描述的过程。
它的目的是使得属于同一个簇的样本之间应该彼此相似，而不同簇的样本应该足够不相似。
与分类规则不同，进行聚类前并不知道将要划分成几个组和什么样的组，也不知道根据哪些空间区分规则来定义组。
其目的旨在发现空间实体的属性间的函数关系，挖掘的知识用以属性名为变量的数学方程来表示。
当前，聚类技术正在蓬勃发展，涉及范围包括数据挖掘、统计学、机器学习、空间数据库技术、生物学以及市场营销等领域，聚类分析已经成为数据挖掘研究领域中一个非常活跃的研究课题。
常见的聚类算法包括：K-均值聚类算法、K-中心点聚类算法、CLARANS、BIRCH、CLIQUE、DBSCAN
聚类VS 分类：
和分类学习相比，聚类的样本没有标记，需要由聚类学习算法来自动确定。
聚类分析是研究如何在没有训练的条件下把样本划分为若干类。
在分类中，对于目标数据库中存在哪些类是知道的，要做的就是将每一条记录分别属于哪一类标记出来。
聚类需要解决的问题是将已给定的若干无标记的模式聚集起来使之成为有意义的聚类，聚类是在预先不知道目标数据库到底有多少类的情况下，希望将所有的记录组成不同的类或者说聚类，并且使得在这种分类情况下，以某种度量为标准的相似性，在同一聚类之间最小化，而在不同聚类之间最大化。
与分类不同，无监督学习不依赖预先定义的类或带类标记的训练实例，需要由聚类学习算法自动确定标记，而分类学习的实例或数据样本有类别标记。
聚类学习是观察式学习，而不是示例式学习。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。