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。