|
|
关于第二个话题：
个人认为：机器学习是指统计学习方法，或者称为贝叶斯统计学习；但是数据挖掘则更偏向计算机科学中算法，更偏向应用，例如数据库等，这些都是机器学习不考虑的，可以说数据挖掘是对机器学习的应用。
数据挖掘:数据挖掘主要是面向决策，从海量数据中挖掘不为人知、无法直观得出的结论。例如内容推荐、相关度计算等。此工作更注重数据内在联系，数据仓库组建，分析系统开发，挖掘算法设计，甚至很多时候要亲力而为的从ETL开始处理原始数据，因此对计算机水平有较高要求。一般不及数据分析，使用工具除海量数据库如Oracle，分布式计算Hadoop，C++，Java，Python等编程语言外，也有可能会用到第三方挖掘工具如Weka。
数据分析：专注于中小网站分析优化，网站地图、结构优化，SEO。大多使用第三方工具如：开源分析模块（BIRT）、CNZZ、GA，通过对网站属性数据（如pv, uv, 新用户占比，搜索词，跳出率，蹦失率，访问时长，忠诚度等）的分析，对网站结构、内容进行优化。此方向更偏产品一些，极大的依赖分析经验和对数据的敏感度，产品是关键。
数据统计：专注于建模及统计分析，通过概率、统计、离散等数学知识建立合理模型，充分发掘数据内容。例如用回归分析，充分利用网站历史数据，进行评估、预测、反向预测、发掘因素。利用贝叶斯方法建立模型来进行机器学习、聚类、垃圾邮件过滤等。常用工具如：SAS，R，SPSS。个让人认为这个更注重数学，尤其是统计学。
简单的来说：数据挖掘就是从海量数据中找到隐藏的规则，数据分析一般要分析的目标比较明确，数据统计则是单纯的使用样本来推断总体。至于差别：
数据分析的重点是观察数据，数据挖掘的重点是从数据中发现知识规则KDD，数据统计的重点是参数估计和假设检验。数据分析、数据统计得出的结论是人的智力活动结果，数据挖掘得出的结论是机器从学习集（或训练集、样本集）发现的知识规则，注意，但是绝不等于就是机器学习。 |
|
楼主: pipihappy8888
IP卡
狗仔卡
发表于 2014-7-30 09:52
显身卡
