数据挖掘和机器学习之间的区别[关闭]答案

【问题标题】：difference between data mining and machine learning [closed]数据挖掘和机器学习之间的区别[关闭]
【发布时间】：2011-10-29 15:28:11
【问题描述】：

我是这个领域的新手。

在我的形象中，

数据挖掘意味着从数据中检索与数据模型相关的有用信息。机器学习旨在识别数据中的行为模式，并根据观察到的模式构建各种模型。

【问题讨论】：

【解决方案1】：

此外，数据挖掘通常被认为是机器学习的一个子领域。

数据挖掘通常只用于解释数据（例如，根据主题对报纸文章进行分类，或根据读者的合适年龄对书籍进行分类）。它是机器学习的一部分，提供原始数据，然后使用机器学习方法提取有关它的一些有意义的信息。

机器学习通常可以有更多的步骤，而不仅仅是解释数据。开发机器学习技术的程序也可以作用于从数据中“学习”的知识，例如一个程序，它给出了一堆跳棋游戏的例子，并基于它能够玩游戏（很好），从例子中“学习”——数据，现在可以解释新的（相似的数据）和 采取行动。

【讨论】：

尽管数据挖掘通常被认为是 ML 的一个子领域，但这种分类并不总是正确的。例如，关联规则挖掘是不使用经典机器学习技术的数据挖掘示例。
@Ramin 我试图在不涉及细节的情况下给出一个非常高级、通用的答案。我在 3 年前就这样做了。而且，您会注意到，我说的不是always，而是often 和通常。我仍然相信 DM 就是从 ML 开始的。但是，当然，一旦开始自行开发，它就包含了来自许多不同领域的新技术。这就是发生的情况 - 字段演变然后混合（通常比它们应该慢得多）。我也确信今天机器学习的最新技术不仅是使用“经典机器学习技术”。
@penelope，你是对的 - 整个领域已经变得如此跨学科，我不确定我刚才所说的是否完全正确。

【解决方案2】：

这些术语的定义并不过分严格，但基本上我认为您所说的是正确的。机器学习涉及算法识别和精炼，而数据挖掘意味着应用于固定数据的更静态的算法。机器学习的输出当然是信息，但也是通过该过程识别的新算法。数据挖掘旨在对数据应用预先存在的算法。

【讨论】：