数据挖掘与机器学习的区别
2015-11-19 12:29
841 查看
![](http://www.d1net.com/uploadfile/2015/0306/20150306015409931.jpg)
数据挖掘和机器学习的区别和联系,周志华有一篇很好的论述《机器学习和数据挖掘》可以帮助大家理解。
数据挖掘受到很多学科领域的影响,其中数据库、机器学习、统计学无疑影响最大。简言之,对数据挖掘而言,数据库提供数据管理技术,机器学习和统计学提供数据分析技术。
由于统计学往往醉心于理论的优美而忽视实际的效用,因此,统计学界提供的很多技术通常都要在机器学习界进一步研究,变成有效的机器学习算法之后才能再进入数据挖掘领域。从这个意义上说,统计学主要是通过机器学习来对数据挖掘发挥影响,而机器学习和数据库则是数据挖掘的两大支撑技术。
从数据分析的角度来看,绝大多数数据挖掘技术都来自机器学习领域,但机器学习研究往往并不把海量数据作为处理对象,因此,数据挖掘要对算法进行改造,使得算法性能和空间占用达到实用的地步。同时,数据挖掘还有自身独特的内容,即关联分析。
而模式识别和机器学习的关系是什么呢,传统的模式识别的方法一般分为两种:统计方法和句法方法。句法分析一般是不可学习的,而统计分析则是发展了不少机器学习的方法。也就是说,机器学习同样是给模式识别提供了数据分析技术。
至于,数据挖掘和模式识别,那么从其概念上来区分吧,数据挖掘重在发现知识,模式识别重在认识事物。
机器学习的目的是建模隐藏的数据结构,然后做识别、预测、分类等。因此,机器学习是方法,模式识别是目的。
总结一下吧。只要跟决策有关系的都能叫 AI(人工智能),所以说 PR(模式识别)、DM(数据挖掘)、IR(信息检索) 属于 AI 的具 体应用应该没有问题。 研究的东西则不太一样, ML(机器学习) 强调自我完善的过程。 Anyway,这些学科都是相通的。
相关文章推荐
- CodeForces 540B School Marks
- Luc Berson's letter
- java编程实现根据EXCEL列名求其索引的方法
- 移动端6种导航设计总结
- C# 设计模式----抽象工厂模式
- Merge Sorted Array
- C# 设计模式----抽象工厂模式
- 深入理解dispatch_queue
- lvs+keepalived
- Javascript跨域请求的几种解决方法
- 自定义标签
- 多线程断点下载
- CRS 诊断数据收集:常见工具及其用法摘要 (Doc ID 1526158.1)
- 深入浅出Mybatis-分页
- latex中同一处引用多篇文献
- LightOJ 1325 Distributing Chocolates
- SQL Server 2014 使用(持续更新中···)【目录】
- 用pypy运行ryu
- CContextMenuManager上下文菜单管理器以及为菜单添加图标
- codeforce 597C-Subsequences(dp+树状数组)