1.一种基于大数据的用户数据分析方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述步骤s1在获取训练数据后，对训练数据进行标注的内容的类别数量与对训练数据进行多个方向的数据分析时方向的数量相等。
3.如权利要求2所述的方法，其特征在于，所述步骤s1在获取训练数据后，还对获取到的训练数据进行基于弹性网络的数据降维，具体包括以下过程：对训练数据进行特征提取，得到原始特征矩阵，其中的每一行代表一个样本，每一列代表一个特征；使用弹性网络算法对原始特征矩阵进行降维，得到降维后的特征矩阵；在降维后的特征矩阵中，每一行表示一个单独的训练样本，每一列表示一个具体的数据特征；矩阵中的值表示每个训练样本在降维后的每个数据特征上的值。
4.如权利要求3所述的方法，其特征在于，所述使用弹性网络算法对原始特征矩阵进行降维的方法包括：构建弹性网络的目标函数，所述目标函数使用如下公式进行表示：
5.如权利要求4所述的方法，其特征在于，所述步骤s2中对训练数据进行多个方向的数据分析，得到训练数据在各个方向的数据特征的方法包括：对训练数据的降维后的特征矩阵，进行协方差矩阵计算，得到协方差矩阵；对协方差矩阵进行特征值分解，得到特征值和特征向量；对特征值进行排序，选取前个最大的特征值和对应的特征向量，表示训练数据在前个方向上的数据特征；将所选的前个特征向量组成新的特征矩阵，表示训练数据在前个方向上的数据特征，新的特征矩阵中的各个元素值表示对应方向的数据特征值。
6.如权利要求5所述的方法，其特征在于，所述步骤s3中的数据自分析器为一个数据分析插件，所述目标用户数据为一个数据集合，通过集合和矩阵的转换方式，转换为目标用户数据的矩阵；将目标用户数据的矩阵与数据分析插件绑定到一起组成一个数据包。
7.如权利要求6所述的方法，其特征在于，所述数据自分析器通过多方向映射的方式，以新的特征矩阵为目标，实时地对绑定的目标用户数据进行数据分析，得到目标用户数据在各个方向的数据特征的值。
8.如权利要求7所述的方法，其特征在于，所述数据自分析器进行多方向映射的过程包括：设目标用户数据的矩阵为；对目标用户数据矩阵进行特征提取，得到原始特征矩阵；对原始特征矩阵进行弹性网络降维，得到降维后的特征矩阵；将降维后的特征矩阵和新的特征矩阵进行多方向映射，得到映射后的特征矩阵；对映射后的特征矩阵进行解码，得到目标用户数据在各个方向的数据特征的值。
9.如权利要求8所述的方法，其特征在于，所述将降维后的特征矩阵和新的特征矩阵进行多方向映射，得到映射后的特征矩阵的方法包括：对于目标用户数据中的每一个样本，使用最小化重构误差的方法将其映射到训练数据降维后的特征空间中，得到其对应的映射向量；所述最小化重构误差的方法使用如下公式进行表示：
10.一种基于大数据的用户数据分析系统，应用如权利要求1-9任一所述的方法，其特征在于，所述系统包括：数据获取单元，包括：训练数据获取子单元和目标数据获取子单元；所述训练数据获取子单元配置用于获取训练数据；所述目标数据获取子单元，配置用于获取待分析的目标用户数据；数据分析单元，包括：训练数据分析子单元和数据自分析器分配子单元；所述训练数据分析子单元，配置用于对训练数据进行多个方向的数据分析，得到训练数据在各个方向的数据特征，基于这些数据特征值，生成数据光谱；所述数据自分析器分配子单元，包括：数据自分析器生成部分和数据自分析器分配部分；所述数据自分析器生成单元，配置用于生成数据自分析器；所述数据自分析器分配部分，配置用于为目标用户数据绑定一个数据自分析器；所述数据自分析器能够实时地对绑定的目标用户数据进行数据分析，得到目标用户数据在各个方向的数据特征的值，并驱动目标用户数据在数据光谱中移动；结果呈现单元，配置用于将目标用户数据在数据光谱中的位置作为数据分析的结果进行呈现。