統(tǒng)計建模和機器學習建模，有什么區(qū)別？對于傳統(tǒng)的數(shù)據(jù)建模方法，如統(tǒng)計分析、回歸分析、機器學習等，都比較注重未知數(shù)據(jù)的建模，對數(shù)據(jù)量有一定的要求。統(tǒng)計建模是指基于統(tǒng)計知識的建模。常用的統(tǒng)計知識包括參數(shù)估計

統(tǒng)計建模和機器學習建模，有什么區(qū)別？

對于傳統(tǒng)的數(shù)據(jù)建模方法，如統(tǒng)計分析、回歸分析、機器學習等，都比較注重未知數(shù)據(jù)的建模，對數(shù)據(jù)量有一定的要求。

統(tǒng)計建模是指基于統(tǒng)計知識的建模。常用的統(tǒng)計知識包括參數(shù)估計、假設檢驗、方差分析、回歸分析、時間序列、聚類分析、主成分分析和因子分析，如下圖所示。

機器學習建模是指利用機器學習算法進行建模。常用的機器學習算法有：k近鄰算法、決策樹、邏輯回歸、SVM、隨機林、聚類分析、關聯(lián)分析等，實現(xiàn)這些算法的語言有Python和r，具體如下圖所示。！不管是統(tǒng)計建模還是機器學習建模，我們都需要有一個好的數(shù)學基礎，主要是微積分、線性代數(shù)和概率論。

就是這樣！歡迎關注[數(shù)據(jù)科學孫斌]，分享數(shù)據(jù)科學相關知識

數(shù)據(jù)倉庫數(shù)據(jù)建模的幾種思路？

說到建模，我們不得不說有兩個好人，一個是數(shù)據(jù)倉庫之父——inmon，他提倡ER模型，另一個是Kimball，他提倡維度模型。事實上，這兩種建模方法各有優(yōu)勢。ER模型是一種實體關系模型，對建模者要求高，實現(xiàn)周期長。施工完成后，數(shù)據(jù)之間的關系清晰，沒有冗余。它在保證數(shù)據(jù)的一致性和準確性方面有著天然的優(yōu)勢，但不能應對后期的業(yè)務變化。維度模型將業(yè)務數(shù)據(jù)分為維度表和事實表。維度表主要用于存儲一些不隨業(yè)務發(fā)展而變化的公共數(shù)據(jù)，如員工信息、合同信息等事實表。用于存儲維度表的一些鍵值和度量值，如員工ID、交易金額等。維度建模不需要建模者了解全局數(shù)據(jù)，只需要了解相關數(shù)據(jù)，在面對業(yè)務變化時具有天然的優(yōu)勢。另外，還有Inman在ER模型上改進的datavault模型，但是datavault不能簡單地稱為一個模型，它是一個整體的解決方案。

統(tǒng)計建模與數(shù)學建模的區(qū)別？

事實上，大多數(shù)統(tǒng)計建模都是為了分析數(shù)據(jù)，統(tǒng)計知識也會用到。但是，數(shù)學建模的范圍很廣，遇到的問題也不盡相同，解決的方法也不盡相同，統(tǒng)計知識可能不會用到，遇到的問題也多種多樣。