1、統(tǒng)計學目前有一種趨勢是越來越精確。當然，這本身并不是壞事，只有越精確才能避免錯誤，發(fā)現(xiàn)真理。

統(tǒng)計學在采用一個方法之前先要證明，而不是像計算機科學和機器學習那樣注重經(jīng)驗。有時候同一問題的其它領域的研究者提出一個很明顯有用的方法，但它卻不能被統(tǒng)計學家證明(或者現(xiàn)在還沒有證明)。

統(tǒng)計學更傾向于經(jīng)過數(shù)學證明的方法而不是一些特殊方法。但統(tǒng)計學的核心問題就是在觀察了樣本的情況下如何去推斷總體。當然這也常常是大數(shù)據(jù)挖掘所關注的。

2、大數(shù)據(jù)技術(shù)作為幾門學科的綜合，已經(jīng)從機器學習那里繼承了實驗的態(tài)度。這并不意味著大數(shù)據(jù)工作者不注重精確，而只是說明如果方法不能產(chǎn)生結(jié)果的話就會被放棄

數(shù)據(jù)挖掘的一個特定屬性就是要處理的是一個大數(shù)據(jù)集。這就意味著，傳統(tǒng)統(tǒng)計學由于可行性的原因，我們常常得到的只是一個樣本，但是需要描述樣本取自的那個大數(shù)據(jù)集。然而，數(shù)據(jù)挖掘問題常常可以得到數(shù)據(jù)總體，例如關于一個公司的所有職工數(shù)據(jù)，數(shù)據(jù)庫中的所有客戶資料，去年的所有業(yè)務。在這種情形下，統(tǒng)計學的推斷就沒有價值了。

想要了解更多關于大數(shù)據(jù)資訊信息，請關注中培偉業(yè)李老師二維碼：