📣 Back to School开学季 - VIP通行证5折优惠!蓝莓、Offer多多同步优惠
查看: 13133| 回复: 25
跳转到指定楼层
上一主题 下一主题
收起左侧

试问,数据挖掘与机器学习究竟是怎样的关系和区别?

全局:

注册一亩三分地论坛,查看更多干货!

您需要 登录 才可以下载或查看附件。没有帐号?注册账号

x
如题,数据挖掘与机器学习到底是什么区别呢?机器学习讲求一个学习的过程,数据挖掘也是从海量数据中发现只是的过程,看起来似乎是一样的。
另,从事数据挖掘的研究,以后能做什么工作呢?(除了继续搞研究)

上一篇:[Stanford] Machine Learning Week 5&6&7 讨论和加分贴 带网盘链接
下一篇:Caltech的Intro to Machine Learning 7/10开课
cheerz827 2012-6-21 13:02:05 | 只看该作者
全局:
本帖最后由 cheerz827 于 2012-6-21 13:03 编辑

ML = Machine Learning
DM = Data Mining

ML算是AI的一部分,并且更加偏重于统计和优化,很多ML的研究都非常的偏向理论。而DM可以称得上是个实用的东西,简单说就是有很多数据很多变量,我想挖掘出我需要的信息,所以有时候人们用practical machine learning来指代DM。

你可以理解为ML为DM提供了部分得理论基础。很多DM的问题可以用ML的算法来解决,像我所知道的Facebook和LinkedIn处理大规模数据挖掘使用的都是很基本的ML算法。

但是DM所用的东西远不只是ML,相反有很多非常heuristic的算法,比如association rule(http://en.wikipedia.org/wiki/Association_rule_learning)。另外DM由于通常都是跟很大规模的数据打交道,所以如何高效的储存,索引(各种树结构,网格结构,LSH)数据也是DM研究的一个重要方向。

我也算是研究这方面的,所以有什么问题可以来问我。

评分

参与人数 2大米 +55 萝卜 +2 收起 理由
北美农民 + 25 + 2 incisive
wwtpcsuper + 30 介绍得很好

查看全部评分

回复

使用道具 举报

🔗
slaink 2012-5-31 16:13:23 | 只看该作者
全局:
数学不好所以止步数据挖掘了……

我觉得数据挖掘完全就是万灵药诶。就业应当很广泛的,比如用户行为分析神马的。
回复

使用道具 举报

🔗
leth 2012-6-1 18:57:26 | 只看该作者
全局:
就我学习人工智能和数据挖掘的经验而言,有很多交叉的地方。学科划分的问题,没有必要太计较。
回复

使用道具 举报

🔗
everina 2012-6-1 20:25:30 | 只看该作者
全局:
数据挖掘跟data Analysis关系大吗?概率统计等数学一类的课如果成绩不好申请这方面是不是会吃亏?
回复

使用道具 举报

🔗
再试一次 2012-6-16 08:57:47 | 只看该作者
全局:
电子商务神马的data mining用的很多吧。。。感觉从结果上看数据挖掘更偏重相关性。。。
回复

使用道具 举报

🔗
若爆了 2012-6-21 12:01:00 | 只看该作者
全局:
stanford有个machine learning的公开课。除此之外还有什么这方面的入门教程教材推荐呢?
回复

使用道具 举报

🔗
cheerz827 2012-6-21 13:04:28 | 只看该作者
全局:
若爆了 发表于 2012-6-21 12:01
stanford有个machine learning的公开课。除此之外还有什么这方面的入门教程教材推荐呢?

我觉得那个课程很好,书的话能把Bishop的Pattern Recognition and Machine Learning啃下来的话就很牛逼了
回复

使用道具 举报

🔗
若爆了 2012-6-21 17:56:41 | 只看该作者
全局:
cheerz827 发表于 2012-6-21 13:04
我觉得那个课程很好,书的话能把Bishop的Pattern Recognition and Machine Learning啃下来的话就很牛逼了

谢!先去了解一下~
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册账号
隐私提醒:
  • ☑ 禁止发布广告,拉群,贴个人联系方式:找人请去🔗同学同事飞友,拉群请去🔗拉群结伴,广告请去🔗跳蚤市场,和 🔗租房广告|找室友
  • ☑ 论坛内容在发帖 30 分钟内可以编辑,过后则不能删帖。为防止被骚扰甚至人肉,不要公开留微信等联系方式,如有需求请以论坛私信方式发送。
  • ☑ 干货版块可免费使用 🔗超级匿名:面经(美国面经、中国面经、数科面经、PM面经),抖包袱(美国、中国)和录取汇报、定位选校版
  • ☑ 查阅全站 🔗各种匿名方法

本版积分规则

>
快速回复 返回顶部 返回列表