机器学习笔记——数据挖掘与机器学习区别以及课程内容

机器学习笔记
慕课|蒋良孝|中国地质大学

机器学习的定义

机器学习：利用经验改善计算机系统自身的性能

数据挖掘的定义

数据挖掘：识别出巨量数据中有效的、新颖的、潜在有用的、最终可理解的模式的非平凡的过程。

区别与联系

区别：数据挖掘的教材和课程主要讲解各种不同的数据挖掘任务。比如：分类、回归、聚类、关联分析、异常分析、演变分析等等。

机器学习——理论
数据挖掘——应用

分类

分类：分类就是构建一个分类模型，即分类器，然后通过分类器将数据对象映射到某个给定的类别中的过程。

本课程的授课思路与内容安排

• 绪论
• 模型评估
• 线性学习（Linear learning）
• 支持向量机学习(Support vector machine learning)
• 神经网络学习(Neural network learning)
• 决策树学习(Decision tree learning)
• 贝叶斯学习(Bayesian learning)
• 最近邻学习(Nearest neighbor learning)
• 无监督学习(Unsupervised learning)
• 集成学习(Ensemble learning)
• 代价敏感学习(Cost-sensitive learning)
• 演化学习(Evolutionary learning)
• 强化学习(Reinforcement learning)