机器学习与数据挖掘的区别

数据挖掘和机器学习的区别和联系，周志华有一篇很好的论述《机器学习和
数据挖掘》可以帮助大家理解。
   数据挖掘受到很多学科领域的影响，其中数据库、机器学习、统计学无疑影响
最大。简言之，对数据挖掘而言，数据库提供数据管理技术，机器学习和统计学
提供数据分析技术。
 
   由于统计学往往醉心于理论的优美而忽视实际的效用，因此，统计学界提供的
很多技术通常都要在机器学习界进一步研究，变成有效的机器学习算法之后才能
再进入数据挖掘领域。从这个意义上说，统计学主要是通过机器学习来对数据挖
掘发挥影响，而机器学习和数据库则是数据挖掘的两大支撑技术。
 
    从数据分析的角度来看，绝大多数数据挖掘技术都来自机器学习领域，但机器
学习研究往往并不把海量数据作为处理对象，因此，数据挖掘要对算法进行改造，
使得算法性能和空间占用达到实用的地步。同时，数据挖掘还有自身独特的内容，
即关联分析。
 
    而模式识别和机器学习的关系是什么呢，传统的模式识别的方法一般分为两种：
统计方法和句法方法。句法分析一般是不可学习的，而统计分析则是发展了不少机
器学习的方法。也就是说，机器学习同样是给模式识别提供了数据分析技术。
 
   至于，数据挖掘和模式识别，那么从其概念上来区分吧，数据挖掘重在发现知识，
模式识别重在认识事物。
 
   机器学习的目的是建模隐藏的数据结构，然后做识别、预测、分类等。因此，机器
学习是方法，模式识别是目的。
 
   总结一下吧。只要跟决策有关系的都能叫 AI(人工智能)，所以说 PR（模式识别）、
DM（数据挖掘）、IR（信息检索） 属于 AI 的具 体应用应该没有问题。 研究的东西则
不太一样， ML(机器学习) 强调自我完善的过程。 Anyway，这些学科都是相通的。