1樓：超超呢
資料來挖掘建模可以稱為源乙個手段，一整套方bai案，來實現目標，它是du個大方向；
用決zhi策樹建模可以dao
認為是比較具體的策略，套路，但是也包含了很多細緻的演算法；
c4.5或c5.0這是具體的決策樹演算法。
如：目標：把樹弄倒
資料探勘建模：用砍的方式，弄倒
決策樹建模：用鐵器將樹砍倒
c5.0演算法：一把鐵斧子，即用鐵製的斧子將樹砍倒
2樓：向天致信
資料探勘建模是乙個過程，一般通過資料行業理解、資料預處理、演算法選取、專測試評估、部署應用屬這幾個環節，演算法是一種的模組，現在的大資料探勘並不在演算法而在資料。
資料探勘建模可以稱為乙個手段，一整套方案，來實現目標，它是個大方向；
用決策樹建模可以認為是比較具體的策略，套路，但是也包含了很多細緻的演算法；
資料探勘與資料分析的區別是什麼？
3樓：cda資料分析師
1.資料探勘
資料探勘是指從大量的資料中，通過統計學、人工智慧、機器學習等方法，挖掘出未知的、且有價值的資訊和知識的過程。資料探勘主要側重解決四類問題：分類、聚類、關聯和**，就是定量、定性，資料探勘的重點在尋找未知的模式與規律。
輸出模型或規則，並且可相應得到模型得分或標籤，模型得分如流失概率值、總和得分、相似度、**值等，標籤如高中低價值使用者、流失與非流失、信用優良中差等。主要採用決策樹、神經網路、關聯規則、聚類分析等統計學、人工智慧、機器學習等方法進行挖掘。綜合起來，資料分析（狹義）與資料探勘的本質都是一樣的，都是從資料裡面發現關於業務的知識（有價值的資訊），從而幫助業務運營、改進產品以及幫助企業做更好的決策，所以資料分析（狹義）與資料探勘構成廣義的資料分析。
這些內容與資料分析都是不一樣的。
2.資料分析
其實我們可以這樣說，資料分析是對資料的一種操作手段，或者演算法。目標是針對先驗的約束，對資料進行整理、篩選、加工，由此得到資訊。資料探勘，是對資料分析手段後的資訊，進行價值化的分析。
而資料分析和資料探勘，又是甚至是遞迴的。就是資料分析的結果是資訊，這些資訊作為資料，由資料去挖掘。而資料探勘，又使用了資料分析的手段，周而復始。
由此可見，資料分析與資料探勘的區別還是很明顯的。
而兩者的具體區別在於：
（其實資料分析的範圍廣，包含了資料探勘，在這裡區別主要是指統計分析）
資料量上：資料分析的資料量可能並不大，而資料探勘的資料量極大。
約束上：資料分析是從乙個假設出發，需要自行建立方程或模型來與假設吻合，而資料探勘不需要假設，可以自動建立方程。
物件上：資料分析往往是針對數位化的資料，而資料探勘能夠採用不同型別的資料，比如聲音，文字等。
結果上：資料分析對結果進行解釋，呈現出有效資訊，資料探勘的結果不容易解釋，對資訊進行價值評估，著眼於**未來，並提出決策性建議。
資料分析是把資料變成資訊的工具，資料探勘是把資訊變成認知的工具，如果我們想要從資料中提取一定的規律（即認知）往往需要資料分析和資料探勘結合使用。
舉個例子說明：你揣著50元去菜市場買菜，對於琳琅滿目的雞鴨魚豬肉以及各類蔬菜，想葷素搭配，你逐一詢問**，不斷進行統計分析，能各自買到多少肉，多少菜，大概能吃多久，心裡得出一組資訊，這就是資料分析。而關係到你做出選擇的時候就需要對這些資訊進行價值評估，根據自己的偏好，營養價值，科學的搭配，用餐時間計畫，最有價效比的組合等等，對這些資訊進行價值化分析，最終確定乙個購買方案，這就是資料探勘。
資料分析與資料探勘的結合最終才能落地，將資料的有用性發揮到極致。
4樓：匿名使用者
資料分析：一般要分析的目標比較明確，分析條件也比較清楚。
資料探勘：目標不是很清晰，要依靠挖掘演算法來找出隱藏在大量資料中的規則、模式、規律等。
5樓：藍龍兄弟
資料分析
，是通過已有資料指標進行分析，一般輸出結果為趨勢圖例；
資料探勘，是資料分析的基礎支援，簡單來說，就是先對原始資料進行業務關聯性、時效性、有效性等邏輯性挖掘，其次抽取有效資料，清理、格式化資料，為資料分析提供資料支援！
6樓：木易夕懵
前面的已經把理論知識都差不多講清楚了，那我來講的更具體點吧。舉個例子，我們公司之前用的資料分析和資料探勘都是億信華辰的，但是是不同的兩個工具，資料分析是abi，資料探勘是豌豆dm，其中，abi打通資料生命週期各環節
從資料來源接入，到資料採集、資料處理，再到資料分析和挖掘，打通資料生命週期的各個環節，實現資料填報、處理、分析一體化，為使用者提供一站式資料服務。既能支援對分析表進行資料回填設定，又能完成資料融合，提公升資料質量，服務資料分析。而豌豆dm提供全程視覺化的建模過程，從訓練資料集選擇、分析指標字段設定、挖掘演算法、引數配置、模型訓練、模型評估、對比到模型釋出都可以通過零程式設計、視覺化的配置操作，簡單、便捷的完成。
資料探勘中分類和聚類有什麼區別,資料探勘中分類和聚類的區別
分類是資料探勘中的一項非常重要的任務，利用分類技術可以從資料集中提取描述資料類的乙個函式或模型 也常稱為分類器 並把資料集中的每個物件歸結到某個已知的物件類中。從機器學習的觀點，分類技術是一種有指導的學習，即每個訓練樣本的資料物件已經有類標識，通過學習可以形成表達資料物件與類標識間對應的知識。從這個...
大資料探勘的演算法有哪些？大資料探勘常用的演算法有哪些
1.樸素貝葉斯，超級簡單，就像做一些數數的工作。如果條件獨立假設成立的話，nb將比鑑別模型收斂的更快，所以你只需要少量的訓練資料。即使條件獨立假設不成立，nb在實際中仍然表現出驚人的好。2.logistic回歸，lr有很多方法來對模型正則化。比起nb的條件獨立性假設，lr不需要考慮樣本是否是相關的。...
什麼是資料探勘什麼是資料探勘，簡述其作用和應用。
簡單地說，資料探勘是從大量資料中提取或 挖掘 知識。該術語實際上有點用詞不當。資料探勘應當更正確地命名為 從資料中挖掘知識 不幸的是它有點長。許多人把資料探勘視為另乙個常用的術語 資料庫中知識發現 或kdd的同義詞。而另一些人只是把資料探勘視為資料庫中知識發現過程的乙個基本步驟。資料探勘是乙個用資料...