機器學習的科學成分更重一些
資料探勘的技術成分更重一些
資料分析的角度：
資料探勘並沒有機器學習探索人的學習機制這一科學發現任務資料探勘中的資料分析是針對海量資料進行的
是一門多領域交叉學科，涉及概率論、統計學、畢竟輪、凸分析、演算法複雜度理論等多門學科，專門研究計算機是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，使之不斷完善自身的效能
從海量資料中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。資料探勘中用到了大量的機器學習界提供的資料分析技術和資料庫界提供的資料管理技術機器學習是人工智慧的核心領域之一，是資料探勘中的一種重要工具，然而資料探勘不僅僅要研究、拓展、應用一些機器學習方法，還要通過許多非機器學習技術解決資料倉儲、大規模資料、資料雜訊等實踐問題
機器學習的涉及面也很寬，常用在資料探勘上的方法通常只是「從資料學習」。然而機器學習不僅僅可以用在資料探勘上，些機器學習的子領域甚至與資料探勘關係不大，如增強學 習與自動控制等
1. 業務理解
理解業務本身，真本質是什麼？是分類問題還是回歸問題？資料怎麼獲取？應用哪些 模型才能解決？2. 資料理解
獲取資料之後，分析資料裡面高什麼內容，資料是否準確，為下一步的預處理做準備3. 資料預處理
原始資料會有雜訊，格式化也不好，所以為了保證**的準確性，需要進行資料的預處理4. 特但是取
特徵提取是機器學習最重要、最耗時的乙個階段．5. 模型構建
使用適當的演算法，獲取預期準確的值6. 模型評估
根據測試集來評估模型的準確度7. 模型應用
將模型部署、應用到實際生產環境中8. 應用效果評估
根據最終的業務，評估最終的應用效果．整個過程不斷重複，模型也會不斷調整，直至達到理想效果
資料探勘與機器學習入門
導論 機器學習演算法最適用的場景就是 不便用規則處理的場合 資料探勘 data mining 是有組織有目的地收集資料，通過分析資料使之成為資訊，從而在大量資料中尋找潛在規律以形成規則或知識的技術。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...
資料探勘與機器學習釋義
人工智慧是目前炙手可熱的領域，所有的網際網路公司以及各路大迦們紛紛表態人工智慧將是下乙個時代的革命性技術。資料探勘 data mining 和機器學習 machine learning 作為人工智慧研究與應用的分支領域，也越來越多的被提到。在大多數非計算機專業人士以及部分計算機專業背景人士眼中，機器...
04 機器學習 資料探勘與機器學習導論
簡而言之，資料探勘 data mining 是有組織有目的地收集資料，通過分析資料使之成為資訊，從而在大量資料中尋找潛在規律以形成規則或知識的技術。機器學習可以用來作為資料探勘的一種工具或手段 資料探勘的手段不限於機器學習，譬如還有諸如統計學等眾多方法 但機器學習的應用也遠不止資料探勘，其應用領域非...