机器学习观后感

机器学习包括了很多方向，原本以为机器学习只是某一个方向，其实不然，里面还包括了N多种小方向，N多种算法。机器学习是对数据挖掘的实际的应用，文本挖掘与机器学习的结合可以更好的了解有用信息。

文本挖掘与数据挖掘的区别和联系
区别：文本挖掘：文档本身是半结构化的或非结构化的，无确定形式并且缺乏机器可理解的语义；
数据挖掘：其对象以数据库中的结构化数据为主，并利用关系表等存储结构来发现知识；
数据挖掘已不是什么方兴未艾的新兴技术，在业界远未普及，但是，理论技术已经高度发达，对于某些问题解决也几近成熟。文本挖掘面临好多问题。
大多数情况，数据挖掘的技术不适用文本挖掘，或至少需要预处理。
联系：数据挖掘和文本挖掘不是两个完全不同概念。事实上，他们都基于对以前样例的抽样分析，虽然样例组成大不相同，但是许多学习方法是相似的。因此，在文本挖掘过程中，文本将转换为数字形式。

文本挖掘流程第一步就是特征提取，它是一个文档降维的过程。特征提取又可以分为特征选取和特征抽取。