熱線電話:13121318867

登錄
首頁精彩閱讀數據挖掘、機器學習、深度學習、推薦算法的聯系與差別總結
數據挖掘、機器學習、深度學習、推薦算法的聯系與差別總結
2018-07-03
收藏

數據挖掘、機器學習、深度學習、推薦算法的聯系與差別總結

網上搜索了一堆,最后對這幾個概念的聯系與差別總結如下:

1.數據挖掘:data mining,是一個很寬泛的概念。字面的意思是從成噸的數據里面挖掘有用的信息。這個工作BI(商業智能)可以做,數據分析可以做,甚至市場運營也可以做。利用Excel分析數據,發現了一些有用的信息,然后通過這些信息指導你的Business的過程也是數據挖掘的過程。

2.機器學習:machine learning,是計算機科學和統計學的交叉學科,基本目標是學習一個x->y的函數(映射),來做分類或者回歸的工作。之所以經常和數據挖掘合在一起講是因為現在好多數據挖掘的工作是通過機器學習提供的算法工具實現的,例如廣告的ctr預估,PB級別的點擊日志在通過典型的機器學習流程可以得到一個預估模型,從而提高互聯網廣告的點擊率和回報率;個性化推薦,還是通過機器學習的一些算法分析平臺上的各種購買,瀏覽和收藏日志,得到一個推薦模型,來預測你喜歡的商品。

3.深度學習:deep learning,機器學習里面現在比較火的一個topic(大坑),本身是神經網絡算法的衍生,在圖像,語音等富媒體的分類和識別上取得了非常好的效果,所以各大研究機構和公司都投入了大量的人力做相關的研究和開發。

總結下,數據挖掘是個很寬泛的概念,數據挖掘常用方法大多來自于機器學習這門學科,深度學習機器學習一類比較火的算法,本質上還是原來的神經網絡。

4.推薦算法:機器學習是方法,人工智能/數據挖掘是應用,可以使用機器學習,也可以使用別的方法。數據挖掘有很多應用場景,推薦系統是其中一個業務目的明確的, 有一定歷史的,成體系的,已經形成較為完善的經驗積累的應用場景。數據挖掘中還有很多應用場景有待開發,連是否能挖出有價值的模式都不知道。像推薦系統,計算機視覺,nlp這些價值已知的場景,明顯是要幸運一些。

寫書的當然什么都要寫寫啦,難道機器學習里有的東西,推薦系統的書就不能寫了?再說這些書側重點不同,推薦系統里講的機器學習算法更貼近推薦業務,側重于算法應用,應用效果,對具體業務指標的影響,給整個系統帶來的局限或提升等等??隙ú粫窠y計學習基礎那樣給你講一堆推倒過程,講統計特性,更不會像統計學習理論那樣再給你來幾下證明。這些書都有說機器學習,但是角度不同。如果講機器學習算法的書和講推薦系統的書在講機器學習算法時基本差不多,那么那本講機器學習的書也基本可以扔掉了。

數據分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數據分析師資訊
更多

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢