数据挖掘,机器学习,深度学习,统计学之间的联系

本文介绍了数据挖掘、机器学习和深度学习的基本概念及其联系。数据挖掘是从大量数据中发现有价值信息的过程,而机器学习是计算机科学与统计学的交叉领域,用于建立x到y的映射模型。深度学习作为机器学习的一个热门分支,尤其在图像和语音识别等领域表现出色。统计学为这些领域提供了理论基础。机器学习和统计学的技术在数据挖掘中发挥关键作用,深度学习则结合了三者的优点。
摘要由CSDN通过智能技术生成

1.数据挖掘:data mining,是一个很宽泛的概念。字面的意思是从成吨的数据里面挖掘有用的信息。这个工作BI(商业智能)可以做,数据分析可以做,甚至市场运营也可以做。利用Excel分析数据,发现了一些有用的信息,然后通过这些信息指导你的Business的过程也是数据挖掘的过程。

2.机器学习:machine learning,是计算机科学和统计学的交叉学科,基本目标是学习一个x->y的函数(映射),来做分类或者回归的工作。之所以经常和数据挖掘合在一起讲是因为现在好多数据挖掘的工作是通过机器学习提供的算法工具实现的,例如广告的ctr预估,PB级别的点击日志在通过典型的机器学习流程可以得到一个预估模型,从而提高互联网广告的点击率和回报率;个性化推荐,还是通过机器学习的一些算法分析平台上的各种购买,浏览和收藏日志,得到一个推荐模型,来预测你喜欢的商品。

3.深度学习:deep learning,机器学习里面现在比较火的一个topic(大坑),本身是神经网络算法的衍生,在图像,语音等富媒体的分类和识别上取得了非常好的效果,所以各大研究机构和公司都投入了大量的人力做相关的研究和开发。

4.统计学:统计学是通过搜索、整理、分析、描述数据等手段,以达到推断所测对象的本质,甚至预测对象未来的一门综合性科学。统计学用到了大量的数学及其它学科的专业知识,其应用范围几乎覆盖了社会科学和自然科学的各个领域。

这四者之间的联系:

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。由于统计学界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深度学习既包含了以上三个部分,又让他们三个发挥了合作的效果。而统计学是深度学习的一部分,可以说是学习深度学习的门槛。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值