6、机器学习入门：数据挖掘、分析与科学全解析

机器学习入门：数据挖掘、分析与科学全解析

1. 数据挖掘

“数据库知识发现”（KDD）这一术语由 Gregory Piatetsky - Shapiro 在 1989 年提出，同时他还共同创办了首届名为 KDD 的研讨会。20 世纪 90 年代，“数据挖掘”一词在数据库领域被引入，实际上数据挖掘是一个有着较长发展历史的领域的演进成果。

数据挖掘技术源于商业流程和产品开发的研究。当商业数据首次存储在关系型数据库的计算机中时，这一演进就开始了。随着数据访问的不断改进，还催生了能让用户实时浏览数据的新技术。在商业领域，数据挖掘致力于在“正确的时间”为“正确的决策”提供“正确的数据”。这主要通过大量收集数据，并借助分布式多处理器计算机应用算法，从数据中获取实时见解来实现。

2. 数据分析

自 19 世纪末美国机械工程师 Frederick Winslow Taylor 发起提高工业效率的管理运动以来，分析方法就开始在商业中得到应用。制造业采用测量制造和装配线节奏的方法，极大地提高了工业效率。到 20 世纪 60 年代末，随着计算机在组织决策支持系统中占据主导地位，分析方法开始受到更多关注。传统上，商业管理者依据过去的经验、经验法则或其他定性因素来做决策，但随着数据仓库和企业资源规划（ERP）系统的发展，这种情况发生了改变。如今，商业管理者和领导者会参考数据，并依靠临时分析来验证基于经验和知识的假设，以进行日常和关键的商业决策。这逐渐演变为数据驱动的商业智能或商业分析，全球的组织和公司都迅速采用了这种决策过程。在企业界，“商业分析”和“数据分析”这两个词常被互换使用。

为了让企业全面了解市场以及公司如何在市场中有效竞争以提高投资回报率（ROI），