聊一聊统计学和数据挖掘的区别（六）

在上面的文章中我们在数据挖掘的性质方面给大家介绍了数据挖掘和统计学的知识。在统计学中，统计学很少去关注实时分析，而数据挖掘中需要注意这些事情，这也是数据挖掘与统计学的区别之一，现在我们继续给大家介绍一下数据挖掘知识与统计学的区别。

在统计学中，有很多的问题发生在总体随时间变化的情形。因此，我们已经论述了数据分析的问题，说明了数据挖掘和统计学的差异，尽管有一定的重迭。但是，数据挖掘者也不可持完全非统计的观点。当获得数据的问题。统计学家往往把数据看成一个按变量交叉分类的平面表，存储于计算机等待分析。如果数据量较小，可以读到内存，但在许多数据挖掘问题中这是不可能的。更糟糕的是，大量的数据常常分布在不同的计算机上。或许极端的是，数据分布在全球互联网上。此类问题使得获得一个简单的样本不大可能。这些就是数据挖掘与统计学中的区别。

当描述数据挖掘技术的时候，很多人发现依据以建立模型还是模式发现为目的可以很方便的区分两类常见的工具。前面已经提到了模型概念在统计学中的核心作用。在建立模型的时候，尽量要概括所有的数据，以及识别、描述分布的形状。这样的“全”模型的例子如对一系列数据的聚类分析，回归预测模型，以及基于树的分类法则。相反，在模式发现中，则是尽量识别小的偏差，发现行为的异常模式。很多时候，数据挖掘的本质试图去寻找价值高的数据。然而，第一类实验也是重要的。当关注的是全局模型的建立的话，样本是可取的。可以基于一个十万大小的样本发现重要的特性，这和基于一个千万大小的样本是等效的，尽管这部分的取决于我们想法的模型的特征。然而，模式发现不同于此。仅选择一个样本的话可能会忽略所希望检测的情形。

我们在这篇文章中给大家介绍了数据挖掘中常见两种工具以及数据挖掘中的模型。在进行数据挖掘的时候，我们还是需要注意聚类分析以及回归预测模型，这些模型的使用都是区分数据挖掘与统计学的地方。