-
邀請演講
統計算法型數據挖掘:比如應用平均函數、標準差函數、回歸方程等算出一組數據的平均值、標準差等指標并去掉干擾數據。
機器學習型數據挖掘:首先，我們先了解下機器學習的定義。機器學習(Machine Learning, ML)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。
在此基礎上，可以看出，機器學習型數據挖掘相當于更深層次應用的統計算法型數據挖掘，舉個例子，機器學習型數據挖掘可以分析出你的消費偏好變化并不斷修正自身算法偏差，所以我們可以將其可以稱之為"動態數據挖掘";而對應地，統計型數據挖掘則可以稱之為"靜態數據挖掘"，要求在一開始你就對研究課題設計較好的統計算法(當然這算法也可以是機器學習不斷修正后比較滿意的算法)，否則挖掘出的數據意義不大。
掃一掃
下載《前瞻經濟學人APP》進行提問
與資深行業研究員/經濟學家互動交流讓您成為更懂行業的人
