数据挖掘与统计工作

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.2k累计阅读 1.3k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄26年

关注

原创最新推荐文章于 2026-03-29 09:05:47 发布 1.2k 阅读 AI 写同款· GEO 优化 ›

一些关于数据挖掘所需要的统计基础（5）大家好~这一次我们来简单说一些关于数据挖掘所需要的统计学基础。不会很深奥哦，我尽量用大白话把它解释清楚。因为我也是大菜鸡，也还在学习为了以后更好的完成我们的各项任务，所以有几个概念呢在这里预先做一下解释和说明。1. 均值2. 方差3. 大数定理4. 中心极限定理5. 假设检测6. p-value值的简单介绍前几个概念都不难，主要是解释最后两个概念。=========================... 阅读详情

台湾辅仁大学教授谢绑昌先生作的“数据挖掘与统计工作”报告原文
http://www.bjstats.gov.cn/zwxx/wzxw/zzwz/200207020115.htm

收录于

Data Mining & Information Retrieve

当前文章被收录于：

Data Mining & Information Retrieve

8 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#数据挖掘 #工作

ESP32-S3 SPI接口实战：从引脚分配到高速通信配置本文详细解析了ESP32-S3的SPI接口配置与高速通信优化技巧，从引脚分配到软件配置，再到DMA传输和时钟优化，帮助开发者快速掌握SPI通信技术。特别针对ESP32-S3的SPI2接口进行了实战演示，包括硬件连接和常见问题排查，适用于各类嵌入式开发项目。阅读详情

相关推荐

Matlab子图排版终极指南：从tight_subplot到tiledlayout的实战对比

本文深入对比Matlab中两大子图排版工具：社区经典函数tight_subplot与官方现代布局管理器tiledlayout。针对默认subplot产生的子图间距与边缘距离问题，详细解析两者的设计哲学、参数控制与实战应用，帮助用户根据版本与需求选择最佳方案，实现高效、精确且美观的多子图排版。

weixin_29048309的博客 360

数据挖掘与数据分析

数据挖掘与数据分析一、数据挖掘和数据分析概述 数据挖掘和数据分析都是从数据中提取一些有价值的信息，二者有很多联系，但是二者的侧重点和实现手法有所区分。 数据挖掘和数据分析的不同之处： 1、在应用工具上，数据挖掘一般要通过自己的编程来实现需要掌握编程语言；而数据分析更多的是借助现有的分析工具进行。 2、在行业知识方面，数据分析要求对所从事的行业有比较深的了解和理解，并且能够将数据与自

哆啦A梦的博客 2万+

Android音频学习(十四)——加载音频设备

loadHwModule 是 Android 音频系统的核心初始化函数，负责加载音频硬件抽象层（HAL）的模块实现。它建立 AudioPolicyService 与底层硬件的桥梁，将配置文件(audio_policy_config.xml)中的标签<module>定义转化为可操作的硬件对象，加载的是音频硬件模块（HAL实现），每个模块对应一种音频设备类型，以动态库的形式存在，负责与底层音频硬件交互。

miemie2014的博客 1731

数据挖掘与统计学的关系

1、统计学与数据挖掘的区别：统计学主要利用概率论建立数学模型，是研究随机现象的常用数学工具之一。 数据挖掘分析大量数据，发现其中的内在联系和知识，并以模型或规则表达这些知识。虽然两者采用的某些分析方法（如回归分析）是相同的，但是数据挖掘和统计学是有本质区别的：一个主要差别在于处理对象（数据集）的尺度和性质。数据挖掘经常会面对尺度为GB...

weixin_30832143的博客 3818

YOLOv8魔改网络后训练全零？别慌，关掉AMP混合精度训练试试

本文探讨了YOLOv8魔改网络后训练出现全零指标的问题，指出AMP混合精度训练与自定义网络结构的不兼容性。通过分析梯度消失现象和AMP工作原理，提供了关闭AMP、调整学习率等解决方案，并建议预防性开发实践以避免类似问题。

weixin_28338005的博客 321

测试dali协议的软件,DALI2.0和DALI1.0完美兼容同一个模块，测试每项可过协议

DALI2.0和DALI1.0完美兼容同一个模块，测试每项可过协议深圳聚积智能夏先生 13246760327 QQ 349098308■IEC62386-102(V2.0)通过测试内容IEC62386-102/2.1/Test preambleIEC62386-102/3.1/Polarity testIEC62386-102/3.2/Maximum and minimum system v...

weixin_35343788的博客 1349

浅析统计学、数据挖掘、机器学习和AI的区别和关系

随着互联网的快速发展，互联网产品的接入用户量级和接入场景范围不断扩大，加之越来越复杂的业务逻辑，不可避免地产生大规模的数据。因此，使得近年来数据科学领域相关概念的热度不断攀升，大数据、数据挖掘、机器学习、AI、NLP、图像识别、模式识别等概念一拥进入大众视野，但这些概念的模糊定义给想要进入数据科学领域的学习者带来了很大的难度，为了对数据科学领域有更系统的认知，我想对其中的各个模块做一个关系梳理，以

TiAnna501的专栏 5511

【SWAT】SWAT中预定义河网及流域

平原圩区没有明显的海拔差异。DEM中包含的地形信息无法定义河段的位置和水文连接，SWAT模型Watershed Delineator中提供两种方法，帮助用户输入流域拓扑信息。第一种方法，“Burn-in”和手动绘制河段和子流域边界。首先，使用“Burn-in”功能导入数字河道网络（DCN），并根据DEM和DCN绘制河流和子流域。然后在ArcGIS中编辑“流域”和“河段”层，可以调整位置、范围和水文连接。第二种方法，可以手动绘制或重新编辑河流和子流域，预定义河网及流域。

```On Earth, Be Water, By Coding``` 3273

统计学与数据挖掘

--[@more@]统计学和数据挖掘有着共同的目标：发现数据中的结构。事实上，由于它们的目标相似，一些人（尤其是统计学家）认为数据挖掘是统计学的分支。这是一个不切合实际的看法。因为数据挖掘还应用了其它领域的思想、工具和方法，尤其...

cuanyue4880的博客 603

在 SAP BTP 中玩转工厂日历 Maintain Factory Calendars 实战指南

工厂日历是企业关键的时间主数据，基于国家假日历定义工作日与非工作日，广泛应用于生产计划、采购交期、财务结账等业务场景。SAP系统通过三类应用（维护节假日、假日历和工厂日历）实现分层配置。工厂日历作为顶层配置，支持工作日模式设定和例外规则添加。在多系统架构中，工厂日历可通过集成场景同步，确保数据一致性。应用支持创建、编辑和查看功能，包含有效期设置、例外规则管理和多语言文本维护。合理设置工厂日历对业务运营至关重要，需注意命名规范和有效期选择，避免历史数据问题。

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 222

【学习系列】SAP RAP 22：Excel文件上传和读取（非扩展&扩展方式）

本文介绍了在RAP中实现Excel文件上传处理的三种方法：1) 使用@Semantics.largeObject注解实现简单上传下载，但限制在ObjectPage页面使用；2) 通过自定义action弹窗实现上传功能，但存在无法自动刷新列表等限制；3) 结合CustomUIExtension实现更灵活的完整功能，但需要UI5开发技能。文章详细说明了每种方法的实现步骤，包括数据库表设计、注解配置、前端界面开发和后端处理逻辑，并比较了各自的优缺点。最后通过一个处理不同币种数据的示例，展示了如何实现业务处理逻辑。

DeveloperMrMeng的博客 621

数据分析与数据挖掘在常规工作中的应用——基本统计量案例

u013946794的专栏 559

Unity 之jenkins自动打包

1.Jenkins 是什么? jenkins官方网址：https://www.jenkins.io/zh/ Jenkins是一款开源 CI&CD(持续集成&持续部署) 软件，用于自动化各种任务，包括构建、测试和部署软件。简易安装：Jenkins 是一个基于 Java 的独立程序，可以立即运行，包含 Windows、Mac OS X 和其他类 Unix 操作系统。Jenkins 支持各种运行方式，可通过系统包、Docker 或者通过一个独立的 Java 程序。插件扩展：通过更新中心中的

TxNet 2132

数据分析与数据挖掘在常规工作中的应用——基本统计量描述

常见统计量：均值，中位数，众数，变异系数，极差，方差，四分位数等

u013946794的专栏 681

WINCC7.3破解文件

WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，

统计学和数据挖掘的关系

数据挖掘和统计学是交集的关系，它们之间有很强的关系，但不是一个涵盖另一个。统计学是从小样本数据分析，推测总体的特征。而数据挖掘是从尽可能大的数据集上直接寻找特征。应用方法上，数据挖掘多用于主动式的发现，而统计学多用于被动式的验证。从大量的商业项目实践中，我们体会到数据挖掘探索与统计学分析很多时候结果是一致的，但数据挖掘的结果往往更优于统计学分析的结果，原因可能是，有时数据挖掘分析的数据...

weixin_30565199的博客 163

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

数据采集策略：数据挖掘与统计学的一个区别

数据采集策略：数据挖掘与统计学的一个区别这个观点来自Hand等人的《数据挖掘原理》（机工，2003）。说数据挖掘是对已经存在的数据进行分析（比如说“[原有]数据库中的知识发现”,KDD），而统计会为了回答某一个特定问题而专门去采集数据。也就是说，数据挖掘所分析处理的数据，不是为挖掘本身而收集的。企业为了别的目的建立数据库，为了挖掘，它再从数据库的基础上建立起为分析服务的数据仓库。转

bluenight专栏 3065

SIMATIC S7-1200, S7-1500 PID 控制[手册]

想要系统地学习数据挖掘，应该怎么规划

磨刀不误砍柴工。在学习数据挖掘之前应该明白几点：　　数据挖掘目前在中国的尚未流行开，犹如屠龙之技。　　数据初期的准备通常占整个数据挖掘项目工作量的70%左右。　　数据挖掘本身融合了统计学、数据库和机器学习等学科，并不是新的技术。　　数据挖掘技术更适合业务人员学习（相比技术人员学习业务来的更高效）　　数据挖掘适用于传统的BI（报表、OLAP等）无法支持的领域。　　数据挖掘项目...

数智集的博客 437

我的数据挖掘之路

转载地址：http://www.chinakdd.com/article-C7Vdmy3NO8B5p13.html 由于本科专业是生物信息(可以理解为生物统计学或者与基因数据相关的数据挖掘学科)，所以那时已经开始接触数据挖掘，对统计也算有一定的基础。记得大二的时候，我便开始学用 matlab，然后玩弄SVM，神经网络之类的机器学习算法做一些分析和实验。现在想想那时候可能连这些算法的基本概念都不

Blog of Benley 2264

解析数据挖掘与数据分析的区别

数据分析(狭义)与数据挖掘的实质都是相同的，都是从数据里边发现关于事务的常识(有价值的信息)，然后协助事务运营、改善产品以及协助企业做更好的决议计划。从分析的进程来看，数据分析更偏重于统计学上面的一些办法，经过人的推理演译得到定论；数据挖掘更偏重由机器进行自学习，直接到得到定论。从分析的成果看，数据分析的成果是准确的统计量，而数据挖掘得到的一般是含糊的成果。 ‘数据分析’的重点是调查数...

程序之道的博客 1044

联机分析挖掘(OLAM)在政府统计工作中的应用研究(一)

第一章绪论1.1 论文的选题背景以往的基于数理统计方法的应用大多都是通过专用程序来实现的，我们知道，大多数的统计分析技术是基于严格的数学理论和高超的应用技巧的，这使得一般的用户很难从容地掌握它。数据挖掘技术是数理统计分析应用的延伸和发展，假如人们利用数据库的方式从被动地查询变成了主动发现知识的话，那么概率论和数理统计可以为我们从数据归纳知识这样的数据挖掘技术提供理论基础[

blue_sky_blue_heart的专栏 7117

数据挖掘相关技能

FROM 招聘简章*n 综合 1.统计学、数学、人工智能、和数据挖掘知识基础 2.常用算法模型：关联规则、时间序列、变量分析、逻辑回归、决策树、神经网络、聚类模型、SVM、贝叶斯 3.挖掘工具：SPSS CLEMENTINE、SAS EM、S-Plus/R、IBM Intelligence Miner、 CONGNOS、BRIO、R、WEKA 4.海量数据预处理方法和ETL工具：kettl

AngelRobot的专栏 1024

数据挖掘和其他数据分析的区别

1.数据挖掘和统计的区别：统计着重于验证和测试假设，也就是说在你开始分析前你知道模式或模型是什么 数据挖掘则着眼于生成假设以及在没有指导的情况下发现新模式。这也就是目前国内很多公司都有自己的统计分析平台，比如关于erp、crm、和业务的统计分析平台，这些统计分析平台都和各自的固有业务紧密联系，园子里的绝大多数人都开发过统计分析系统，但是不能说这些统计分析是数据挖...

weixin_33772645的博客 78

Python数据可视化：浅谈数据挖掘岗

作者 | 小F来源 |法纳斯特之前在「数据分析岗」的文章提到，会写一期有关「数据挖掘岗」的文章。本次结合最近学的统计推断，来波简单的实战。首先请教了两位从事过数据挖掘的...

数据森麟 483

统计学，机器学习，数据挖掘，深度学习的关系

一，统计学统计学主要通过利用大量数据进行量化分析，总结出一些经验规律，做出后期推断和预测，从而为相关决策提供依据和参考，其不仅仅是统计数字，还包含了调查、收集、分析、预测等，应用范围十分广泛。二、数据挖掘 顾名思义就是从海量数据中“挖掘”隐藏信息，按照教科书的说法，这里的数据是“大量的、不完全的、有噪声的、模糊的、随机的实际应用数据”，信息指的是“隐含的、规律性的、人们事先未知的、但又是潜在有用的并且最终可理解的信息和知识”。在商业环境中，企业希望让存放在数据库中的数据能“说话...

Niiiiir的博客 568

kdd数据集_干货 | 浅谈数据挖掘与数据分析

从分析的目的来看，数据分析一般是对历史数据进行统计学上的一些分析，数据挖掘更侧重于机器对未来的预测，一般应用于分类、聚类、推荐、关联规则等。数据分析(狭义)与数据挖掘的本质都是一样的，都是从数据里面发现关于业务的知识(有价值的信息)，从而帮助业务运营、改进产品以及帮助企业做更好的决策。从分析的过程来看，数据分析更侧重于统计学上面的一些方法，经过人的推理演译得到结论；数据挖掘更侧重由机器进...

weixin_39880479的博客 404

量化投资中的数据挖掘与算法模型评估

量化投资是一个不断进化的领域。随着大数据、人工智能等技术的发展，数据挖掘和算法模型评估的方法也在不断进步。未来的量化投资将更加依赖于这些技术，以实现更精准的预测和更稳健的投资决策。本文以通俗易懂的语言，带你走进了。

云策量化的博客 1074

上一篇： [转载] 心目中的编程高手-----后学者以自励

下一篇：温伯格：给科学家的四条黄金忠告

Matlab子图排版终极指南：从tight_subplot到tiledlayout的实战对比

weixin_29048309的博客

02-19

360