結(jié)果分析:對數(shù)據(jù) 挖掘的結(jié)果進行解釋和評價，并轉(zhuǎn)化為用戶最終能夠理解的知識。數(shù)據(jù) 挖掘的技術(shù)大致可以分為統(tǒng)計方法、機器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法和數(shù)據(jù)庫方法。統(tǒng)計方法可以細分為回歸分析(多元回歸、自回歸等。)和判別分析(貝葉斯判別、CBR、遺傳算法、貝葉斯信念網(wǎng)絡(luò)等。神經(jīng)網(wǎng)絡(luò)方法可細分為:前向神經(jīng)網(wǎng)絡(luò)(BP算法等。)和自組織神經(jīng)網(wǎng)絡(luò)(自組織特征映射、競爭學(xué)習(xí)等。).

簡單來說，數(shù)據(jù) 挖掘是為了找出數(shù)據(jù)和數(shù)據(jù)分析只是為了挖掘。數(shù)據(jù)中臺集成了數(shù)據(jù) 挖掘和數(shù)據(jù)分析和數(shù)據(jù)，打破了傳統(tǒng)的數(shù)據(jù)倉庫和-之所以現(xiàn)在到處都在稱贊數(shù)據(jù)中臺的建設(shè)和應(yīng)用，是因為數(shù)據(jù)中臺戰(zhàn)略的幾個突出點。

就為了這句話，不會錯，但是不完整。分類是指一種問題，回歸是一種工具。分類的目的是將對象按照類別進行標(biāo)注，然后進行分類，而回歸是根據(jù)樣本研究兩個(或多個)變量之間的依賴關(guān)系，是對其趨勢的分析和預(yù)測。如果分類的標(biāo)簽代表有排序關(guān)系的(離散)類別，如“好”、“較好”、“一般”，也可以用回歸的方法處理。

統(tǒng)計分析與數(shù)據(jù) -1/大相徑庭。具體區(qū)別如下:1。數(shù)據(jù)數(shù)量:數(shù)據(jù)分析- 2。約束:數(shù)據(jù)分析從一個假設(shè)出發(fā)，我們需要建立自己的方程或模型來匹配假設(shè)，而數(shù)據(jù) 挖掘我們可以在沒有假設(shè)的情況下自動建立方程；3.對象:數(shù)據(jù)分析往往是數(shù)字?jǐn)?shù)據(jù)，而數(shù)據(jù) 挖掘可以采用不同類型的數(shù)據(jù)，如語音、文字；

數(shù)據(jù)挖掘?qū)W習(xí)的主要學(xué)習(xí)方向在于挖掘的算法以及用什么算法可以得到最好的結(jié)果。數(shù)據(jù)分析它通常與計算機科學(xué)有關(guān)，使用統(tǒng)計學(xué)、聯(lián)機分析處理、信息檢索、機器學(xué)習(xí)、專家系統(tǒng)(依靠過去的經(jīng)驗規(guī)則)和模式識別等許多方法來實現(xiàn)上述目標(biāo)。數(shù)據(jù)分析是指通過對收集到的大量數(shù)據(jù)用適當(dāng)?shù)慕y(tǒng)計分析方法進行分析，提取有用信息，形成結(jié)論，對數(shù)據(jù)進行詳細研究和總結(jié)的過程。

在實踐中，數(shù)據(jù)分析可以幫助人們做出判斷，以便采取適當(dāng)?shù)男袆?。?shù)據(jù)分析 Tool: Excel作為一個常用的分析工具，可以實現(xiàn)基本的分析工作，在商業(yè)智能、Cognos、StyleIntelligence、Microstrategy、、BO、Oracle等領(lǐng)域，以及國內(nèi)的產(chǎn)品，如永宏SuiteBI套件等關(guān)于-2挖掘的學(xué)習(xí)，推薦CDA 數(shù)據(jù)的相關(guān)課程。課程內(nèi)容要考慮培養(yǎng)解決數(shù)據(jù) 挖掘過程問題的橫向能力并加以解決。