致力于以优质的人工智能在线教育资源助力学员的DT职业梦想！课程内容涵盖数据分析、机器学习、深度学习、人工智能、TensorFlow、PyTorch、知识图谱等众多核心技术及行业案例，让每一个学员都可以在线灵活学习，快速掌握AI时代的前沿技术。PS：私信我即可获取《银牌会员》1个月免费试听机会

当大家看到这个题目的时候，想必大家都有些疑惑——统计学和数据挖掘看起来并不容易混淆的东西，有必要去区分统计学和数据挖掘吗？答案是肯定的，这是因为统计学和数据挖掘有共同的目标，就是发现数据中的结构，下面我们就给大家讲述一下统计学与数据挖掘的区别。

我们说过了，统计学和数据挖掘有着共同的目标就是发现数据中的结构。事实上，由于它们的目标相似，一些人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，尤其是计算机学科，而且它所关注的某些领域和统计学家所关注的有很大不同。

而统计学和数据挖掘研究目标的重迭自然导致了迷惑。事实上，有时候还导致了反感。统计学有着正统的理论基础，而现在又出现了一个新的学科，有新的主人，而且声称要解决统计学家们以前认为是他们领域的问题。这必然会引起关注。更多的是因为这门新学科有着一个吸引人的名字，势必会引发大家的兴趣和好奇。把数据挖掘这个术语所潜在的承诺和统计学作比较的话，统计的最初含义是陈述事实，以及找出枯燥的大量数据背后的有意义的信息。当然，统计学的现代的含义已经有很大不同的事实。而且，这门新学科同商业有特殊的关联。这种关联使得数据挖掘在数据分析中占据十分重要的地位。

我们可以通过逐个考察这两门学科的性质，区分它们的异同，并关注与数据挖掘相关联的一些难题。首先，我们注意到“数据挖掘”对统计学家来说并不陌生。有人认为，仅仅是考察大量的数据驱动的模型，从中发现最适合的。统计学家因而会忽略对数据进行特别的分析，因为他们知道太细致的研究却难以发现明显的结构。尽管如此，事实上大量的数据可能包含不可预测的但很有价值的结构。而这恰恰引起了注意，也是当前数据挖掘的任务。

我们在这篇文章中给大家简单介绍了统计学与数据挖掘的两个学科的区别，其实统计学与数据挖掘的区别还体现在其他的方方面面，我们只有正确区分这两门学科才能够更好地认清和定位自己的学习目标和职业规划。

关注“CDA人工智能学院”，回复“录播”获取更多人工智能精选直播视频！