學習筆記，僅供參考，有錯必糾

---

機器學習與數據挖掘的區別

機器學習的定義

目前被廣泛采用的機器學習的定義是“利用經驗來 改善計算機系統自身的性能”。由于“經驗”在計算機系統中主要是以數據的形式存在的，因此機器學習需要運用機器學習技術對數據進行分析.

數據挖掘的定義

所謂數據挖掘就是：“識別出巨量數據中有效的、 新穎的、潛在有用的、最終可理解的模式的非平凡 過程”。顧名思義，數據挖掘就是試圖從海量數據 中找出有用的知識。

機器學習與數據挖掘的區別與聯系

從兩本最具代表性的機器學習教材(Tom M. Mitchell和周志華的機器學習)可以看出： 機器學習的教材和課程主要講解各種不同的機器學習技術。比如：線性學習、支持向量機學習、神經網絡學習、決策樹學習、貝葉斯學習、最近鄰學習 等等。

而數據挖掘的教材(數據挖掘概念與技術和數據挖掘導論)主要講解各種不同的數據挖掘任務。比如：分類、回歸、聚類、關聯分析、異常分析、演變分析等等。

數據挖掘可以視為機器學習和數據庫的交叉，它主要利用機器學習界提供的技術來分析海量數據，利用數據庫界提供的技術來管理海量數據。二者既有區別又有聯系，整體來說，機器學習偏理論，數據挖掘偏應用。

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的机器学习(part3)--机器学习与数据挖掘的区别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。