統(tǒng)計算法型數(shù)據(jù)挖掘與機器學(xué)習(xí)型數(shù)據(jù)挖掘的差別？

統(tǒng)計算法型數(shù)據(jù)挖掘:比如應(yīng)用平均函數(shù)、標(biāo)準(zhǔn)差函數(shù)、回歸方程等算出一組數(shù)據(jù)的平均值、標(biāo)準(zhǔn)差等指標(biāo)并去掉干擾數(shù)據(jù)。

機器學(xué)習(xí)型數(shù)據(jù)挖掘:首先，我們先了解下機器學(xué)習(xí)的定義。機器學(xué)習(xí)(Machine Learning, ML)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。

在此基礎(chǔ)上，可以看出，機器學(xué)習(xí)型數(shù)據(jù)挖掘相當(dāng)于更深層次應(yīng)用的統(tǒng)計算法型數(shù)據(jù)挖掘，舉個例子，機器學(xué)習(xí)型數(shù)據(jù)挖掘可以分析出你的消費偏好變化并不斷修正自身算法偏差，所以我們可以將其可以稱之為"動態(tài)數(shù)據(jù)挖掘";而對應(yīng)地，統(tǒng)計型數(shù)據(jù)挖掘則可以稱之為"靜態(tài)數(shù)據(jù)挖掘"，要求在一開始你就對研究課題設(shè)計較好的統(tǒng)計算法(當(dāng)然這算法也可以是機器學(xué)習(xí)不斷修正后比較滿意的算法)，否則挖掘出的數(shù)據(jù)意義不大。

厲害了。。