区别于联系数据挖掘统计分析机器学习等

机器学习、统计分析、数据挖掘、神经网络、人工智能、模式识别之间的关系是什么？ 修 改写补充说明举报 7 个回答张昊，不喜欢鲁棒性这个翻译Zeng Leo、王高斌、Noah 等人赞同机器学习、统计分析、数据挖掘、神经网络、人工智能、模式识别，很难说谁包含于谁，只能分开说每一个概念的意义，谁服务于谁。数据挖掘是一种概念，从数据中挖掘到有意义的信息。很多人认为数据挖掘是新学科，是基于大数据，其实不然，如果给你一个数据说李嘉诚有100 多亿美元，再给你一个数据是全国平均人均可支配收入水平是 13279 元人民币，你能挖掘出一个信息叫，李嘉诚很有钱，这也是数据挖掘。只不过很小白而已。模式识别是目的，识别出一种模式，比如两个眼睛一个鼻子的是人脸的模式。如果不通过电脑，手工的通过计算来识别模式，也属于模式识别机器学习是一种方法，通常用来进行模式识别，用机器去学习不直观的数据得到模式，这其中会需要用到各种各样的知识，比如统计分析的知识。人工智能，这个概念就大了，这个概念是想要人工制造出和人类一样的智能，所以很多人就想出了机器人这么一个科幻产物，有人类的智能，并且依托于机器的强大运算能力。事实上，人工智能也不一定要和电脑挂钩的，只不过现在只有电脑有这么强大的计算能力，如果有一天生物科技能够突破，说不定也能实现。 （纯属 YY）神经网络，这是学习算法中的一个很火的模型，它号称结合了多学科，模拟了人的神经过程，是很好的一种学习方法，可以说这个是基于统计学范畴的。有什么疑问再问我Antony Wang，小苏州cdh、 Shi Hu、任文彬 等人赞同人工智能最大，机器学习是人工智能最近比较流行的一个分支。机器学习通常会用统计分析的方法进行分析，统计学在机器学习里占有非常重要的地位。神经网络是机器学习里一个研究非常广泛的方法，貌似有个会议就是研究神经网络的，NIPS，不过现在其实 NIPS 上很多论文也都和神经网络无关的，NIPS 现在和 ICML 比较像了哦。 。 。数据挖掘可以认为是机器学习的一个方向了的。至于模式识别和机器学习的关系，就有点说不清了哦。 。 。happyli，自然语言 人工智能方面有兴趣 芦鑫、张三皮、 feng li 等人赞同机器学习：强调学习能力，机器在算法的指导下有一点的学习能力，比如神经网络，训练算法统计分析：从统计的角度出发，发现系统的规律，比如线性回归等，不过神经网络也可以看作一种非线性回归。数据挖掘：强调的是从一大堆数据里有价值的数据，比如最赚钱的信息，指标，比如，啤酒尿布要放一块，为了挖掘有价值的信息，当然所有方法都会用上。神经网络：强调模拟生物神经系统，尤其是大脑的神经网络。比如：BP 网络，竞争神经网络，等各种仿生的算法。神经网络的学习机制，收敛性质等都会讨论人工智能：这个强调的是让机器象人一样聪明，方法就不限了，规则也罢，神经网络等仿生学也罢，都可以来为我所用模式识别：强调训练和识别，比如图像里识别出一个人脸，识别出树木，背景，识别验证码， 。 。 。使用各种学习算法，分类算法，比如神经网络，SVM， 。 。 。每个概念都是不同人从不同角度，不用的关注点，看这些前沿技术。有的人为了实现象人一样的机器人，比如，强调人工智能的人，有的人想从中赚钱，比如，强调数据挖掘的人，有的人对仿生比较喜爱，比如强调神经网络的人。 。 。 。 。每个相关书籍都看看，理解他们就好了Shi Hu，计算生物/科哲/进化teamo 蘑菇、伍一峰 赞同人工智能最大，内容同名字一样就是一个【科技领域】 ，致力于发展更加智能的机器和软件。机器学习是【算法】的研究，致力于研究能够根据经验自动提高的算法。神经网络是一种【模型】 ，和名字一样是模拟中央神经系统的一种数学模型，可以用于进行模式识别和机器学习。统计分析是数据学和统计学的一部分，在机器学习中是一种【工具】 。机器学习中有很多方法是运用统计理论来估计某一种 probability estimator 进而进行预测的。在统计和数据学家看来，机器学习就是计算机学家做统计。数据挖掘和机器学习的区分是，数据挖掘问题一般都有巨大数据，尤其指计算效率比统计精度更加重要的问题，通常站在商业的角度；机器学习则更加偏向于人工智能的方面。模式识别，是机器学习的一个领域，指的是把 input 贴上标签的过程（就是预测的过程） 。在分类问题中就是把 input 分类，在 regression 中就是给进 input 给出实数值。Chantz，好奇-积累-提升-智慧；2013, 我的文艺彭斯 赞同根据我查找维基百科，得到的简单归纳：人工智能属于一个非常大的研究领域，其需要解决的子问题很多：演绎/推理/ 问题求解、知识表示、 （机器）学习、自然语言处理、感知等，可见机器学习和自然语言处理同属于属于人工智能研究子领域从机器学习的 wiki 词条，可以看到神经网络属于机器学习的方法（approach）模式识别和机器学习的关系的确比较纠缠不清机器学习和数据挖掘的关系：The process of machine learning is similar to that of data mining. Both systems search through data to look for patterns. However, instead of extracting data for human comprehension - as is the case in data mining applications - machine learning uses that data to improve the programs own understanding. Machine learning programs detect patterns in data and adjust program actions accordingly.二者方法应该差不多，但是目的并不一样于是，可以这样朴素的认为，模式识别也只是一种方法，可以应用于机器学习和数据挖掘中期待这个领域的大牛释疑妫晁傻哥 赞同我觉得模式识别和机器学习这两个是这样的关系，模式识别更偏向于应用，比如是针对具体的人脸、文字、语音或者其他问题进行针对性的研究，而机器学习更偏重的是方法，不是针对某个具体问题而是对于整个流程或者流程中的某一部分做通用的算法研究。吕朝阳，学过 AI傻哥 赞同人工智能这个领域太大，它和其他几个的关系，我在另外一个回答里有一些我的观点里有回答，我就不多赘述了：通过机器学习以及大规模数据的统计，电脑可以无限逼近人脑的能力么？如果可以，哪些能力是比较容易被逼近的？关于另外几个，模式识别，统计理论和数据挖掘：关于模式识别，他基本用的是机器学习的方法（确切说是概率理论里的机器学习） ，而基于概率的机器学习和统计理论有很大的交际。而数据挖掘是机器学习和统计理论交叉的一个应用方向，他期望从一堆观察到的数据里，发现一些潜在的关系和核心。他的核