机器学习与数据分析的区别

1. 处理的数据类型和特点

1. 交易数据 vS 行为数据

2. 少量数据 vs 海量数据

3. 采样分析 vs 全量分析

数据分析：

数据类型：主要处理交易数据，例如电商网站用户下单、银行存取款账单等。

数据量：通常涉及的数据量较少。

数据分析方法：倾向于采用采样分析，因为数据量不大，可以对样本进行深入分析。

数据一致性：对数据一致性要求严格，尤其是在金融交易等场景中，数据的准确性至关重要。

数据库使用：因此，数据分析通常使用关系型数据库，如SQL Server、MySQL、Oracle等，这些数据库能够保证事务的ACID属性（原子性、一致性、隔离性、持久性），确保数据的准确性和一致性。

机器学习：

数据类型：主要处理行为数据，例如用户的搜索历史、浏览历史、点击历史、评论等。

数据量：涉及的数据量庞大，通常需要处理海量数据。

数据分析方法：倾向于进行全量分析，以捕捉数据中的所有模式和趋势。

数据一致性：对数据一致性的要求相对较低，更注重数据吞吐量和处理速度。

数据库使用：因此，机器学习通常使用NoSQL数据库（如MongoDB）和分布式数据分析平台（如Hadoop、Spark），这些技术能够处理大规模数据集，并且具有高吞吐量和灵活性。

2. 数据处理方法和工具

数据分析：

侧重于使用统计方法和查询语言（如SQL）来分析数据，以支持决策制定。

工具和语言包括Excel、R、Python（Pandas库）等。

机器学习：

侧重于使用算法和模型来从数据中学习模式，并进行预测或分类。

工具和框架包括TensorFlow、PyTorch、Scikit-learn等。

-----

用 Nosql 处理行为数据，跟钱相关的数据，是不会用 nosql 去处理的。

一、机器学习和数据分析的区别

1. 数据特点：

1. 数据分析：交易数据，少量数据，采样分析

2. 机器学习：行为数据，海量数据，全量分析   
   

NO SQL 一致性弱。适合存行为数据，不适合存交易数据。

CAP：consistency, availability, and partition 

NoSQL 行为数据处理。

第4章 数据分析和机器学习的区别

4-1 区别（1）

数据特点：传统的数据分析处理的是交易数据（和钱有关的数据） 少量数据   对数据的一致性非常严格

                 采样分析

                 机器学习处理的是行为数据（与用户的历史行为有关） 海量数据  对数据一致性要求并不高 

                 全量分析

交易型数据（跟钱有关系的操作数据）使用关系型数据库（MySQL SQLSEVER)

行为型数据使用NOSQL

机器学习和数据分析的区别：

一、数据特点不同（数据类别、数据量、数据分析方法）

机器学习：行为数据（如搜索历史、浏览历史、点击历史、评论等）；海量分析，一致性要求相对不高；全量分析

数据分析：交易数据（与钱相关，如用户订单、存取款账单、话费账单等）少量数据，一致性要求严格（如银行存取款，数据精准）；采样分析

数据的特点：
交易数据vs行为数据
少量数据vs海量数据
采样分析vs全量分析

交易数据要求数据一致性高（事务保证）。

NoSQL 适合存储行为数据（一致性差）

关系型的 适合存储交易数据（一致性高）

NoSql（Not  Only）数据库：主要用来处理行为型数据，即海量数据；

传统数据库：交易型数据必须用传统数据库

机器学习：行为数据+交易数据   海量数据 全量分析

数据分析：交易数据  少量数据  采样分析

noSQL 记录行为数据

SQL 记录交易数据（不可丢失的）

机器学习和数据分析

机器学习和数据分析的区别：

一、数据特点不同（数据类别、数据量、数据分析方法）

机器学习：行为数据（如搜索历史、浏览历史、点击历史、评论等）；海量分析，一致性要求相对不高；全量分析

数据分析：交易数据（与钱相关，如用户订单、存取款账单、话费账单等）少量数据，一致性要求严格（如银行存取款，数据精准）；采样分析

机器学习的数据分析的区别

数据特点：

机器学习-----行为数据-海量数据-全量分析

数据分析-----交易数据-少量数据-采样数据

Not Only SQL---分布式，只能进行行为数据的存储

机器学习与数据分析的区别

机器学习和数据分析的区别：

1）处理数据类型：行为数据（搜索历史、浏览历史等），交易数据（与钱相关，有用户订单，账单等）

2）数据量：海量数据，少量数据

3）分析方法：全量分析，采样分析

机器学习和数据分析的区别

1.数据特点

• 交易数据（数据分析，账单、订单等） vs 行为数据（机器学习，搜索历史、点击历史、浏览历史、评论）【NOSQL（Not Only SQL）数据库只能用于处理行为数据，强调的是分布式、CAP理论，保证数据吞吐量的前提下，在数据一致性上打折扣】

• 少量数据 vs  海量数据

• 采样分析（要求一致性，比如转账） vs 全量分析（一致性要求不高）
  

交易数据：少

行为数据：多

销售数据

行为数据：搜索历史、点击历史、浏览历史、评论

交易数据：存取款账单 用户订单 话费账单（跟钱有关的数据）

行为数据：搜索历史 点击历史 浏览历史 评论

机器学习和数据分析的区别：交易数据VS行为数据 

                                          少量数据VS海量数据

                                          采样分析VS全量分析

行为数据有

交易数据（强调数据一致性） 少量分析 关系型数据库

行为数据 全量分析 nosql

传统：交易数据

机器：行为数据

No Sql数据库擅长处理行为数据

行为数据

交易数据：

与钱相关的数据，例如电商平台上的用户订单

机器学习和数据分析的区别1：处理的数据不同

数据分析：交易数据、少量数据、采样分析。对数据一致性要求严格，使用关系型数据库sql serve、mysql、oracle。

机器学习：行为数据、海量数据、全量分析。需要保证数据吞吐量，数据一致性可以打折扣，所以用NoSQL数据库（MongoDB、nosql）和分布式数据分析平台（Hadoop、Spark）

交易数据 ：电商网站用户下单、银行存取款账单

行为数据：用户的搜索历史、浏览历史、点击历史、评论