應統協進會

統計學和資料採礦有著共同的目標：發現資料中的結構。事實上，由於它們的目標相似，一些人（尤其是統計學家）認為資料採礦是統計學的分支。這是一個不切合實際的看法。因為資料採礦還應用了其他領域的思想、工具和方法，尤其是電腦學科，例如資料庫技術和機器學習，而且它所關注的某些領域和統計學家所關注的有很大不同。

統計學和資料採礦研究目標的重迭自然導致了迷惑。事實上，有時候還導致了反感。統計學有著正統的理論基礎（尤其是經過本世紀的發展），而現在又出現了一個新的學科，有新的主人，而且聲稱要解決統計學家們以前認為是他們領域的問題。這必然會引起關注。更多的是因為這門新學科有著一個吸引人的名字，勢必會引發大家的興趣和好奇。把“資料採礦”這個術語所潛在的承諾和“統計學”作比較的話，統計的最初含義是“陳述事實”，以及找出枯燥的大量資料背後的有意義的資訊。當然，統計學的現代的含義已經有很大不同的事實。而且，這門新學科同商業有特殊的關聯（儘管它還有科學及其它方面的應用）。

本文的目的是逐個考察這兩門學科的性質，區分它們的異同，並關注與資料採礦相關聯的一些難題。首先，我們注意到“資料採礦”對統計學家來說並不陌生。例如，Everitt定義它為：“僅僅是考察大量的資料驅動的模型，從中發現最適合的”。統計學家因而會忽略對資料進行特別的分析，因為他們知道太細緻的研究卻難以發現明顯的結構。儘管如此，事實上大量的資料可能包含不可預測的但很有價值的結構。而這恰恰引起了注意，也是當前資料採礦的任務。