统计学与数据挖掘有什么联系
统计和数据挖掘都是数据分析处理的技术。内容上，统计学的任务主要是假设检验和参数估计，数据挖掘的任务是分析数据中的结构、模式并产生特定形式的信息，是统计学的补充和扩展。时间上统计学是经典学科，数据挖掘是计算机和大数据催生的新学科。
如果你指数据挖掘专业在计算机和统计这两个学科里的区别
计算机学科的数据挖掘侧重算法开发和软件实现
统计学科的数据挖掘侧重于算法理论和技术应用
就是依托学科背景，从各自优势角度做同一件事
求学的话，想做算法技术去计算机，想做数据分析应用去统计。当然学校老师实力不同，具体的地方哪边更好是不一定的。
数据挖掘不是为了替代传统的统计分析技术。相反，它是统计分析方法学的延伸和扩展。大多数的统计分析技术都基于完善的数学理论和高超的技巧，预测的准确度还是令人满意的，但对使用者的要求很高。而随着计算机能力的不断增强，有可能利用计算机强大的计算能力只通过相对简单和固定的方法完成同样的功能。
对于数据挖掘与统计，可以考虑:数据库系统与文件系统。那么这两者实质的区别在哪里，计算机系的人总会回答的，因为数据库也好，文件系统也好，都是计算机行业的术语。在文件系统基础上的:因为大家都知道，数据库系统的数据库管理系统(DBMS)是建立现在的问题到了数据挖掘与统计，数据挖掘算法有些本来就是统计的方法，那么到了计算机行业，自有计算机行业规则，人们研究数据挖掘会关心它和大数据量的结合(有效性)，会关心它的数据挖掘原语(数据挖掘语言)，准的接口等只有用软件实现时候才考虑的事项。算法性能的优化、标于是数据挖掘行业制定了一些标准，比如基于XML的PMML.(预言模型标记语言);微软的OLE DB For DM;SPSS的CRISP-DM.当数据挖掘的研究到这个程度，很难看到和统计的关联。从这个意义上讲，是计算机行业的一个方向，而不就是广义统计的一个部分。同时，数据挖掘仍然自机器学习和人工智能的一部分，其核心是规则，对于数据挖掘算法中来统计的，但是这种技术本身已经不属于统计了。这是一个数据挖掘算法可以得出的规则，在得出这样的规则之前，算法会对数据集进行分析，该数据集包括很多变量(数据库的字段)，假设是10个，“年龄”和“工资”是其中的两个，算法会根据历史数据自动抽取这两个变量，而得出这样的规则。但是对于统计，是不能得出的，它只能得出量化的概率关系，而规则的推导应该不是统计学的范畴。
科学在进步，科学进步导致了学科的细分，科的人才来研究和发展它。数据挖掘作为一个新型的学科，结合各学数据挖掘就其算法本身，论的解释，但是作为一个整体的研究方向，很大一部分可以从数理统计中获得理应该从计算机的层面进行全局的考虑。即从系统的角度进行分析，毕竟数据挖掘是面向应用的，一个再完美的算法，如果只能对几百条数据进行分析，那么是没有用的。
数据挖掘技术是计算机技术、人工智能技术和统计技术等构成的一种新学科。数据挖掘来源于统计分析，而又不同于统计分析。数据挖掘不是为了替代传统的统计分析技术，相反，数据挖掘是统计分析方法的扩展和延伸。大多数的统计分析技术都基于完善的数学理论和高超的技巧，其预测的准确程度还是令人满意的，但对于使用者的知识要求比较高。而随着计算机能力的不断发展，数据挖掘可以利用相对简单和固定程序完成同样的功能。新的计算算法的产生如神经网络、决策树使人们不需了解到其内部复杂的原理也可以通过这些方法获得良好的分析和预测效果。
由于数据挖掘和统计分析根深蒂固的联系，通常的据挖掘工具都能够通过可选件或自身提供统计分析功能。这些功能对于数据挖掘的前期数据探索和数据挖掘之后对数据进行总结和分析都是十分必要的。统计分析所提供的诸如方差分析、假设检验、相关性分析、线性预测、时间序列分析等功能都有助于数据挖掘前期对数据进行探索，发现数据挖掘的题目、找出数据挖掘的目标、确定数据挖掘所需涉及的变量、对数据源进行抽样等等。所有这些前期工作对数据挖掘的效果产生重大影响。而数据挖掘的结果也需要统计分析的描述功能(最大值、最小值、平均值、方差、四分位、个数、概率分配)进行具体描述，使数据挖掘的结果能够被用户了解。因此，统计分析和数据挖掘是相辅相成的过程,两者的合理配合是数据挖掘成功的重要条件。
数据挖掘与统计学的区别
统计学目前有一种趋势是越来越精确。当然，这本身并不是坏事，只有越精确才能避免错误，发现真理。统计学在采用一个方法之前先要证明，而不是象计算机科学和机器学习那样注重经验。有时候同一问题的其它领域的研究者提出一个很明显有用的方法，但它却不能被统计学家证明(或者现在还没有证明)。统计杂志倾向于发表经过数学证明的方法而不是一些特殊方法。数据挖掘作为几门学科的综合，已经从机器学习那里继承了实验的态度。这并不意味着数据挖掘工作者不注重精确，而只是说明如果方法不能产生结果的话就会被放弃。
正是由于统计学的数学精确性，而且其对推理的侧重，尽管统计学的一些分支也侧重于描述，但是浏览一下统计论文的话就会发现这些论文的核心问题就是在观察了样本的情况下如何去推断总体。当然这也常常是数据挖掘所关注的。下面我们会提到数据挖掘的一个特定属性就是要处理的是一个大数据集。这就意味着，传统统计学由于可行性的原因，我们常常得到的只是一个样本，但是需要描述样本取自的那个大数据集。然而，数据挖掘问题常常可以得到数据总体，例如关于一个公司的所有职工数据，数据库中的所有客户资料，去年的所有业务。在这种情形下，统计学的推断就没有价值了。
很多情况下，数据挖掘的本质是很偶然的发现非预期但很有价值的信息。这说明数据挖掘过程本质上是实验性的。这和确定性的分析是不同的。(实际上，一个人是不能完全确定一个理论的，只能提供证据和不确定的证据。)确定性分析着眼于最适合的模型-建立一个推荐模型，这个模型也许不能很好的解释观测到的数据。大部分统计分析提出的是确定性的分析。
如果数据挖掘的主要目的是发现，那它就不关心统计学领域中的在回答一个特定的问题之前，如何很好的搜集数据，例如实验设计和调查设计。数据挖掘本质上假想数据已经被搜集好，关注的只是如何发现其中的秘密。
国家开放大学计算机科学与技术都考什么
国家开放大学计算机科学与技术都考公共基础课，计算机专业基础课，计算机专业选修课。1、公共基础课：高等数学、大学语文、英语等。2、计算机专业基础课：计算机组成原理、操作系统原理、数据结构、计算机网络、数据库原理等。3、计算机专业选修课：包括人工智能、机器学习、数据挖掘、计算机图形学、软件工程等。
数据挖掘是做什么的
数据挖掘又译为资料探勘、数据采矿。是一种透过数理模式来分析企业内储存的大量资料，以找出不同的客户或市场划分，分析出消费者喜好和行为的方法。它是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息的过程。主要有数据准备、规律寻找和规律表示3...
数据挖掘名词解释
在讲究实时、竞争激烈的网络时代，若能事先破解消费者的行为模式，将是公司获利的关键因素之一。数据挖掘是一门交叉学科，它涉及了数据库，人工智能，统计学，可视化等不同的学科和领域。数据挖掘是数据库中知识发现不可缺少的一部分，而KDD是将未加工的数据转换为有用信息的整个过程，该过程包括一系列...
深扒!低调的就业大热——统计学!
统计学基础研究方向包括:样本设计、数据挖掘、随机过程、建立统计模型、模型的选择、时间序列、非参数统计方法、生存分析、空间统计、各种概论理论等;应用研究方向包括:生物统计、环境统计、金融统计、经济统计、农业统计等。数据挖掘与统计学的区别数据挖掘相对统计学来说,是比较新兴的方向,两者还是有较大的区别的。统计...
什么是数据挖掘?
表明了与统计、精算、长期从事预 言模型的经济学家之间没有技术的重叠。3)数据挖掘和统计 统计也开始支持数据挖掘。统计本包括预言算法（回归）、抽样、基于经验的设计等 4)数据挖掘和决策支持系统 · 数据仓库 · OLAP（联机分析处理）、Data Mart（数据集市）、多维数据库 · 决策支持工具融合 ...
计算机专业有什么好的方向?
大数据分析与处理：随着数据量的爆炸式增长，大数据分析和处理成为了计算机领域的重要方向。这个方向涉及到数据的收集、存储、分析和可视化等多个环节。你可以学习如何使用各种工具和技术来挖掘数据中的价值，为企业提供决策支持，或者帮助政府进行政策制定。云计算与分布式系统：云计算是目前信息技术领域的热门...
统计类包括哪些专业
问题二:公务员考试统计学类包括什么专业 就是研究生统计学,一般考统计局 或调查队的比较多。 问题三:统计学类包括哪些专业 都有什么专业 英盛观察为您解答: 统计学专业主要包括一般统计和经济统计两类专业方向 培养具有良好的数学或数学与经济学素养,掌握统计学的基本理论和方法,能熟练地运用计算机分析数据,能...
数据挖掘技术主要包括哪些
贝叶斯分类方法是非常成熟的统计学分类方法，它主要用来预测类成员间关系的可能性。比如通过一个给定观察值的相关属性来判断其属于一个特定类别的概率。贝叶斯分类方法是基于贝叶斯定理的，朴素贝叶斯分类方法作为一种简单贝叶斯分类算法甚至可以跟决策树和神经网络算法相媲美。参考资料来源：百度百科-数据挖掘 ...
数据挖掘与数据分析的区别是什么?
主要采用决策树、神经网络、关联规则、聚类分析等统计学、人工智能、机器学习等方法进行挖掘。综合起来，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，所以数据分析（狭义）与数据挖掘构成广义的数据...
大学的哪个专业是研究数据挖掘的?
数据挖掘是人工智能和数据库领域的一个热点问题。所谓的数据挖掘是指从数据库中的大量数据中揭示隐藏的、以前未知的和潜在有价值的信息的非平凡过程。数据挖掘是一个决策支持过程。它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业数据，进行归纳推理，挖掘潜在...
锻静忆林：数据挖掘不是为了替代传统的统计分析技术.相反,它是统计分析方法学的延伸和扩展.大多数的统计分析技术都基于完善的数学理论和高超的技巧,预测的准确度还是令人满意的,但对使用者的要求很高.而随着计算机能力的不断增强,有可...
吉首市17143481776： 大数据,数据挖掘,机器学习三者什么区别和联系 - ？
锻静忆林： 大数据是指数据的量,过去数十年数据收集存储的能力大幅提升,人类社会积累的数据量几何级数上升,这是指目前的现状.数据挖掘是从海量数据中获取规则和知识,统计学和机器学习为数据挖掘提供了数据分析的技术手段.
吉首市17143481776： 大数据分析和传统统计学方法有什么样的关系 - ？
锻静忆林： 大数据处理的信息很大,往往一个分析所需的数据分别存储在数百个服务器中,因此大数据分析就需要协调所需服务器,让他们按照我们分析的需要进行配合运作,这是他和传统统计分析的主要不同,在具体方法上,大数据还可能用到数据挖掘的方法,传统分析法往往事先有个分析目标然后用统计的方法验证,数据挖掘是通过算法,用计算机分析数据,让计算机发现数据之间的联系.两者大体如此,如果要详细了解,可以参考相关书籍
吉首市17143481776： 以下哪些学科和数据挖掘有密切联系 - ？
锻静忆林： 如果光是数据挖掘理论本身,你多看看数据挖掘入门的书就ok了.当然数据结构,算法方面肯定要多掌握~ 另外数据挖掘对于数学上的统计学,相关性分析,聚类分析等等都有应用.这是个综合学科...说起来会累死
吉首市17143481776： 统计学方法咋大数据分析中有用吗 - ？
锻静忆林： 统计学方法在大数据分析中是有用的,统计学是通过搜索、整理、分析数据等手段,以达到推断所测对象的本质,甚至预测对象未来的一门综合性科学.其中用到了大量的数学及其它学科的专业知识,它的使用范围几乎覆盖了社会科学和自然科学的各个领域.大数据只是数据量大,不代表我们能观测到总体.有的时候,总体是可测的.但在更多时候,总体从理论上就是无法观测的.这时统计学就是必须的,它帮我们从数据里还原出数据背后的真实,如同感官将显象背后的物自体呈现给人类理性.随着数据挖掘技术的发展,数据的获取自然会越来越容易,但统计学作为从数据中读取信息的科学,应该永远和获取数据的学问相伴相生.
吉首市17143481776： 从统计理论的发展来看,统计学,数学,数理统计学之间是一种什么关系 - ？
锻静忆林： 从统计理论的发展来看,统计学最初产生各种具体的科研数据分析中,进而有数学家对于统计中的概率问题进行了严格的数学逻辑与推理,从而独到了统计学中重要的分支数理统计学的诸多理论,而随着信息化社会的到来,统计学家面临对于海...
吉首市17143481776： 数据分析和数据挖掘的区别是什么?如何做好数据挖掘 - ？
锻静忆林： 1,数据分析可以分为广义的数据分析和狭义的数据分析,广义的数据分析就包括狭义的数据分析和数据挖掘,我们常说的数据分析就是指狭义的数据分析. 2,数据分析(狭义): 定义:简单来说,数据分析就是对数据进行分析.专业的说...
吉首市17143481776： 统计学、数学、数理统计学之间是一种什么关系 - ？
锻静忆林：[答案] 从统计理论的发展来看,统计学最初产生各种具体的科研数据分析中,进而有数学家对于统计中的概率问题进行了严格的数学逻辑与推理,从而独到了统计学中重要的分支数理统计学的诸多理论,而随着信息化社会的到来,统计学家面临对于海量数...
吉首市17143481776： 进行数据价值挖掘的基础是什么大数据技术 - ？
锻静忆林： 数据挖掘的目的就是得出隐藏在数据中的有价值的信息.决策树算法:例如通过算法可以对已知的事物进行分类.关联规则算法:例如在超级中把啤酒和尿不湿放在一起,可以提高销量.等等吧.
