統(tǒng)計算法型數(shù)據(jù)挖掘:比如應用平均函數(shù)、標準差函數(shù)、回歸方程等算出一組數(shù)據(jù)的平均值、標準差等指標并去掉干擾數(shù)據(jù)。

機器學習型數(shù)據(jù)挖掘:首先，我們先了解下機器學習的定義。機器學習(Machine Learning, ML)是一門多領域交叉學科，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。

在此基礎上，可以看出，機器學習型數(shù)據(jù)挖掘相當于更深層次應用的統(tǒng)計算法型數(shù)據(jù)挖掘，舉個例子，機器學習型數(shù)據(jù)挖掘可以分析出你的消費偏好變化并不斷修正自身算法偏差，所以我們可以將其可以稱之為"動態(tài)數(shù)據(jù)挖掘";而對應地，統(tǒng)計型數(shù)據(jù)挖掘則可以稱之為"靜態(tài)數(shù)據(jù)挖掘"，要求在一開始你就對研究課題設計較好的統(tǒng)計算法(當然這算法也可以是機器學習不斷修正后比較滿意的算法)，否則挖掘出的數(shù)據(jù)意義不大。

厲害了。。