Unterschied: 1. Die durch „Datenanalyse“ gezogenen Schlussfolgerungen sind das Ergebnis menschlicher intellektueller Aktivitäten, während die durch „Data Mining“ gezogenen Schlussfolgerungen die von der Maschine aus dem Lernsatz [oder Trainingssatz, Beispielsatz] ermittelten Wissensregeln sind ]; 2. „Datenanalyse“ kann kein mathematisches Modell erstellen und erfordert eine manuelle Modellierung, während „Data Mining“ die mathematische Modellierung direkt vervollständigt.
Die Betriebsumgebung dieses Artikels: Windows 7-System, Dell G3-Computer.
Was ist der Unterschied zwischen Data Mining und Datenanalyse?
Data Mining besteht darin, versteckte Regeln aus riesigen Datenmengen zu finden. Die Datenanalyse hat im Allgemeinen ein klares Ziel.
Der Hauptunterschied zwischen Data Mining und Datenanalyse
1. Der Schwerpunkt der „Datenanalyse“ liegt auf der Beobachtung von Daten, während der Schwerpunkt des „Data Mining“ auf der Entdeckung von „Wissensregeln“ KDD (Knowledge Discover in Database) liegt ) aus den Daten.
2. Die durch „Datenanalyse“ gezogenen Schlussfolgerungen sind die Ergebnisse menschlicher intellektueller Aktivitäten, während die durch „Data Mining“ gezogenen Schlussfolgerungen die von der Maschine aus dem Lernsatz (oder Trainingssatz, Beispielsatz) ermittelten Wissensregeln sind.
3. Die Anwendung der „Datenanalyse“ zum Ziehen von Schlussfolgerungen ist eine menschliche intellektuelle Aktivität, während die durch „Data Mining“ entdeckten Wissensregeln direkt auf Vorhersagen angewendet werden können.
4. „Datenanalyse“ kann kein mathematisches Modell erstellen und erfordert eine manuelle Modellierung, während „Data Mining“ die mathematische Modellierung direkt vervollständigt. Der Kern der traditionellen kybernetischen Modellierung besteht beispielsweise darin, die funktionale Beziehung zwischen Eingabevariablen und Ausgabevariablen durch maschinelles Lernen zu beschreiben. Gegeben Eine Reihe von Eingabeparametern kann eine Reihe von Ausgabegrößen erzeugen.
Ein einfaches Beispiel:
Es gibt einige Leute, die es immer versäumen, pünktlich Geld an Telekommunikationsbetreiber zu zahlen. Wie kann man sie entdecken?
Datenanalyse: Durch Beobachtung der Daten haben wir herausgefunden, dass 82 % der Menschen, die ihr Geld nicht rechtzeitig zahlen, arm sind. Die Schlussfolgerung ist also, dass Menschen mit geringem Einkommen dazu neigen, zu spät zu zahlen. Die Schlussfolgerung ist, dass die Zölle gesenkt werden müssen.
Data Mining: Entdecken Sie die tiefgreifenden Gründe selbst durch schriftliche Algorithmen. Der Grund kann sein, dass Menschen, die außerhalb der Fünften Ringstraße wohnen, aufgrund der abgelegenen Umgebung nicht rechtzeitig zahlen. Die Schlussfolgerung ist, dass mehr Geschäftshallen oder SB-Zahlungsstellen eingerichtet werden müssen.
Weitere verwandte Artikel finden Sie auf der Chinesischen PHP-Website! !
Das obige ist der detaillierte Inhalt vonWas ist der Unterschied zwischen Data Mining und Datenanalyse?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
