数据科学和数据挖掘是一样的吗？

Question

我确信，在这个论坛上将讨论的数据科学有几个同义词，或者至少是分析大量数据的相关领域。

我的特别问题是关于数据挖掘。几年前我上过数据挖掘研究生班。数据科学和数据挖掘之间有什么区别，尤其是我还需要看什么才能精通数据挖掘？

Answer 1

@statsRus开始为您在另一个问题数据科学和统计之间的区别是什么？中的回答奠定基础：

• 数据收集:网络抓取和在线调查
• 数据操作:从语言和社交网络数据中对凌乱的数据进行重新编码和提取意义
• 数据规模:使用非常大的数据集。
• 数据挖掘:在大而复杂的数据集中发现模式，重点是算法技术。
• 数据通信:通过可视化将“机器可读的”数据转化为“人类可读的”信息。

定义

数据挖掘可以看作是数据科学家工具包中的一个项目(或一组技能和应用程序)。我喜欢他用一种特定于行业的行话来区分采矿和收藏品的定义。

然而，我认为数据挖掘将是美国英语口语定义中数据收集的同义词。

到哪里去精通呢？我认为这个问题过于宽泛，因为它目前的说法，并将得到的答案，主要是基于意见。也许，如果你能完善你的问题，它可能会更容易看出你在问什么。

Answer 2

@Clayton发布的信息对我来说似乎是对的，对于这些术语，以及“数据挖掘”这一数据科学家的工具来说，似乎都是正确的。然而，我并没有真正使用“数据收集”这个词，而且我也不认为它是“数据挖掘”的同义词。

我自己对你的问题的回答是:不，条件不一样。这个领域的定义可能比较松散，但我还没有看到这些术语可以互换使用。在我的工作中，我们有时用它们来区分目标或方法。对我们来说，数据科学更多的是为了检验一个假设，通常情况下，这些数据就是为了这个目的而收集的。数据挖掘更多地是对现有数据进行筛选，寻找结构，并可能产生假设。数据挖掘可以从一个假设开始，但它通常很弱或很笼统，而且很难用自信解决。(挖得够久，你就会发现一些东西，尽管结果可能是黄铁矿。)

然而，我们也使用了“数据科学”作为一个更广泛的术语，包括“数据挖掘”。我们还讨论了“数据建模”，对我们来说，这是基于数据以及其他知识和目标，为感兴趣的系统寻找模型。有时这意味着试图找到解释真实系统的数学模型，有时意味着找到一个对某一目的来说足够好的预测模型。

Answer 3

我的回答是不。我认为数据挖掘是数据科学中的一个复杂的领域。数据挖掘主要考虑的是产生问题而不是回答问题。与数据科学相比，它通常被称为“探测新事物”，在数据科学中，数据科学家试图解决复杂的问题，以达到最终的结果。然而，这两个术语之间有许多共同之处。对于example..if，你有一个农业用地，你的目标是找到受影响的plants..Here，空间数据挖掘在这个过程中扮演着关键的角色，job.There是一个很好的机会，你可能最终不仅会发现土地上受影响的植物，而且它们在多大程度上是affected.......this，这是数据科学不可能实现的。