数据挖掘： 数据挖掘是一种分析大量数据以发现关系、设计和洞察力的方法。这些设计，与 Witten 和 Eibe 一致，必须“有意义，因为它们带来了一些优势，而且往往不是财务优势。”数据挖掘中的数据通常是定量的，特别是当我们考虑到社交媒体在很长一段时间内传递的数据(即大数据)呈指数级发展时。
网络挖掘： 网络挖掘是利用数据挖掘策略和计算，通过从网络文档和服务、内容、超链接和服务器日志中提取信息，专门从网络中提取信息的方法。网络挖掘的基本目标是通过收集和分析数据来搜索网络信息中的设计，以激发洞察力。它还包括从网络信息中找到有价值的和晦涩的数据的方法。
下表列出了数据挖掘和 Web 挖掘之间的差异：
| 数据挖掘 | 网络挖掘 |
|---|---|
| “数据挖掘”的方法适用于从框架内已经可访问的数据中识别出的设计 | “Web 挖掘”的方法适用于借助不同的“Web 数据”单独识别的设计。 |
| “数据挖掘”主要用于不同类型的业务，这些业务遵循“人工智能”的规则，在创新的帮助下，通过不同的选择活动来升级不同的贸易决策 | “网络挖掘” ”在“数据分析”领域内使用，其中可访问的原始信息被单独转换/或调整为重要的安排。 |
| “数据挖掘”包括数据提取、设计披露、算法洞察等过程。 | “网络挖掘”也包括信息提取、设计揭示、算法理解等过程，但这些过程都是在“网络”的帮助下发生的。”这也分别在不同的“Web 服务器”和“Web 文档”上。 |
| “数据挖掘”大部分是由不同的“数据工程师”、“数据科学家”等专家进行的。 | “网络挖掘”是由不同的“数据分析师”等专家进行的。 |
| 在“数据挖掘”处理中使用的不同工具是“机器学习算法”等。 | 在“网络挖掘”准备中使用的不同工具是“Apache Logs”、“Scrapy”、“PageRank”等.，在这些过程的帮助下单独进行。 |
| 许多组织都依赖于数据挖掘的产生来进行选择处理 | Web 挖掘是一个值得注意的拖累现有数据挖掘过程的过程。 |
| 数据挖掘所需的技能是数据清洗技术、机器学习算法、统计、概率 | Web 挖掘所需的技能是应用级知识、数据工程、统计、概率 |
| 数据挖掘应用是金融数据分析、零售行业、电信行业、生物、数据分析 | 网络挖掘是应用信息挖掘方法从网络信息中提取信息、统计网络报告、档案之间的超链接 |
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/tech/pnotes/266985.html