描述性数据挖掘与预测性数据挖掘的区别

描述性数据挖掘和预测性数据挖掘是用于在大型数据集中查找有用信息和模式的挖掘技术。描述性数据挖掘是一种数据挖掘技术，它分析过去的数据以提供有关过去事件的最新信息，而预测性数据挖掘是一种数据挖掘技术，用于分析过去的数据并提供未来查询的答案。

阅读本文以了解更多关于描述性和预测性数据挖掘技术的信息，以及它们之间有何不同。

什么是描述性数据挖掘？

描述性数据挖掘是一种数据挖掘技术，它通过分析存储的过去数据来识别过去发生了什么。描述性数据挖掘的主要目标是将数据总结和转换为有用的信息，用于监控和报告目的。

由于描述性数据挖掘分析存储的数据以回答过去的查询，因此它提供了更准确的结果。为了回答这些查询，它使用数据聚合和数据挖掘。描述性数据挖掘使用反应型方法来挖掘数据。

预测性数据挖掘是另一种数据挖掘技术，它旨在通过分析存储的数据来识别未来可能发生的事情。为此，它使用统计和预测方法。

虽然预测性数据挖掘回答了未来的查询，但它不能保证结果的准确性。其结果仅仅是基于过去事件的预测。

预测性数据挖掘使用主动方法进行数据分析。预测性数据挖掘的实际示例包括预测建模、预测、模拟等。

现在，让我们详细讨论描述性数据挖掘和预测性数据挖掘之间的差异。

以下是描述性数据挖掘和预测性数据挖掘之间的一些重要区别：

序号	描述性数据挖掘	预测性数据挖掘
1.	它试图通过分析存储的数据来了解过去发生了什么。	它试图利用过去的数据分析来了解未来可能发生什么。
2.	它提供的数据是准确的。	结果可能不准确。
3.	它提供标准报告。它还提供临时报告。	它用于预测建模、预测、模拟和警报。
4.	它使用数据聚合和数据挖掘。	它使用统计和预测方法。
5.	它使用反应型方法。	它使用主动方法。
6.	回答诸如以下问题：发生了什么？问题在哪里？这个问题的频率是多少？	回答诸如以下问题：接下来会发生什么？如果趋势继续，结果会怎样？需要采取哪些行动？

两者之间最显着的区别在于，描述性数据挖掘用于通过使用历史数据了解过去发生了什么，而预测性数据挖掘用于通过使用这些历史数据了解未来可能发生什么。

Kiran Kumar Panigrahi

更新于：2023年2月21日

6K+ 浏览量

通过完成课程获得认证