您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识
研究生阶段学习数据挖掘方向与机器学习方向区别在什么地方?
机器,数据,算法研究生阶段学习数据挖掘方向与机器学习方向区别在什么地方?
发布时间:2020-12-06加入收藏来源:互联网点击:
问题补充: 要出国读研了,想根据方向选择具体哪所学校。
回答于 2019-09-11 08:43:50
回答于 2019-09-11 08:43:50
数据挖掘
数据挖掘是一项使用数据探索技术发现一些有趣(而不明显)的模式的技术。
什么模式?例如:根据某些特征对数据进行分组的方式、异常检测(罕见值)、某些观察值与其他值之间的相关性、某些事件的连续性、行为的识别等。
数据挖掘使用机器学习等方法。
机器学习
机器学习是人工智能最重要的分支。它的任务是:研究和开发技术,使机器能够在没有人类明确指令的情况下自学,从而执行特定的任务。
机器将从输入数据集(称为样本或训练数据)中学习,根据算法检测到的模式建立数学模型。该模型的最终目标是对之后来自相同数据源的数据进行(准确的)预测或决策。
传统的机器学习主要有两种类型:
· 监督学习:当训练数据被“标记”时。这意味着,对于每个样本,我们都有与观察到的变量(输入)和我们想要学习预测或分类的变量(输出、目标或因变量)相对应的值。在这种类型中,我们找到了回归算法(预测数值的算法)和分类算法(输出仅限于某些分类值时)。
· 无监督学习:当训练数据没有标记时(我们没有目标变量)。这里的目标是找到某种结构或模式,例如对训练样本进行分组,这样我们就可以对未来的样本进行分类。
传统的机器学习已经让位于更复杂或更现代的学习类型:
· 集成方法:基本上是几种算法联合使用,将它们的结果结合起来以获取更好的结果。尽管XGBoost凭借在Kaggle的胜利而得名,但最常见的例子还是随机森林。
· 强化学习:机器通过反复试误来学习,这得益于它对周围环境的迭代做出的反馈。你可能听说过AlphaGo或AlphaStar(在《星际争霸2》中实力碾压人类)。
· 深度学习:皇冠上的宝石……
留言 点赞 关注
我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
回答于 2019-09-11 08:43:50
机器学习是一种理论和方法,主要解决人工智能中的问题,机器学习是用数据或过去积累的经验,以此优化计算机程序的性能标准。
数据挖掘是一种应用和目的,一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程,目标是从大量数据中提取模式和知识,并将其转换成可理解的结构,以进一步使用。机器学习是数据挖掘手段中的一个。
其实,现在的数据挖掘大多都是采用深度学习和机器学习的方法做。相比深度学习,机器学习可以做的东西更广更全一些,比如自然语言处理、计算机视觉等。至于哪边更好,我只能说现在这两边的研究人员都是鱼龙混杂,如果是有梦想,想做理论研究,追未来热点,直接转机器学习的理论研究。如果对于应用这块比较感兴趣,想弄份稳定工作,学数据挖掘做大数据(经济,网络,推荐系统)是很好的选择。但这两方向都需要做到很深你才能真正站在顶端。
我希望我的解释已经回答了答主所提问一切疑问,如果你对该话题有任何想要说的或者要分享的,请在评论里写下你的想法。
上一篇:有哪些黑色表盘的手表可以推荐?
下一篇:返回列表
相关链接 |
||
网友回复(共有 0 条回复) |