{%hackmd BJrTq20hE %}
# 資料探勘與大數據
---

專家系統與探勘系統的不同
>物件不同 規律性的知識 vs. 事實性的知識
>方法不同 規則、推理、演藝處理 vs. 資料歸納
>任務不同 知識的形式化與知識庫的構造 vs. 發現資料的關係與發現的模式
>回答的問題不同 診斷性與指令性問題 vs. 發現隱藏問題與其關係

結論：專家系統利用知識解決問題，探勘系統發現知識解決問題

---

封閉與開放測試的差異

>模型精確度越高，可用性越強，有利於正確的決策。
>精確度取決於方法的設計和資料量及使用者期望值。

---

A.B.C.D

>A.I.
>>人工智慧

>Block Chain
>>區塊鏈

>Cloud Computing
>>雲端計算

>Data Analytics(Big Data)
>>數據分析

---

### 修剪決策樹 何謂過度匹配?(P#59)

完整的決策樹建立過程將包含：
(1)決策樹的建立：從上而下、分而治之
(2)決策樹的修剪：克服雜訊、簡化易解

### 規則提取(P#60-61)

### 決策樹的優缺點(P#62)

### 2階段反覆迴圈過程(P#69)

---

### k - 最近鄰演算法(P#78~79)

### CBR vs. RBR的差異(P#81)

### CBR過程(P#81)

### (P#81~83)

### 新樣例儲存情況(P#86)

### Hammer Distance

---

### 神經網路(P#120)

### 神經網路分類(P#122)

### 3種連接方式(P#123)

### 運作過程二階段(P#128) 學習關鍵、調整過程

### (P#128-129)supervised(監督/導師) vs. unsupervised學習方式

### 後向傳播演算法(P#132)

### 監督與非監督差異

### (P#144)

###