数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
在数据挖掘中对于规则的获取，存在三种方式分别是监督学习、无监督学习和半监督学习，这三种方式都是通过从数据的统计学习来制定规则。
在一个数据挖掘问题中变量可以分为自变量和因变量，规则是以自变量为输入，以因变量为输出的结果，由此对数据挖掘问题，就把自变量定义为X把因变量定义为Y。
对于监督学习而言，训练集中包括了自变量X和因变量Y，通过对比X和Y的关系，得除相应的规则，同时再在验证集中,通过输入验证集的自变量X，借助规则得到因变量Y的预测值，再将Y的预测值与实际值进行对比，看是否可以将模型验证通过,如果通过了，就把只包含自变量X的测试集用于规则中，最终输出因变量Y的预测值。在监督学习中，因变量的实际值和预测值的对比，就起到监督的作用,在规则制定中需要尽量引导规则输出的结果向实际值靠拢。
对无监督学习而言，训练集中，就没有包含因变量Y，需要根据模型的目标，通过对自变量X的分析和对比来得出相关的规则，并能够产生合理的输出结果，即Y，在制定规则的过程中，需要有一些人为的原则对规则进行调整。当完成调整后，就可以把只包含自变量X的测试集放到规则中，去产生规则的结果Y。
对比监督学习和无监督学习，最大的区别就是,在制定规则的过程中，是否有Y用于引导规则的生成。监督学习中，有Y存在，生成规则过程中和生成规则时，也会对比Y的预测值和实际值。而在无监督学习中，就没有Y作为对比的标准，相应的规则都直接由X产生。
半监督学习与监督学习类似也需要因变量Y参与到规则生成和规则验证中去。但是在训练集只用只有一少部分的对象既有自变量X和因变量Y，还有大部分对象只包含了自变量X。因此在对半监督学习的规则生成中，需要有一些特殊的手段来处理只包含的自变量X的对象后再生成相关的规则。在后面的验证和测试的流程都与监督学习一致。因而对于半监督学习，最重要的问题就是如何借助少量的因变量Y而产生出可以适用的规则。
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含：
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
