人工智能（AI）、机器学习（ML）和数据挖掘（DM）之间的区别与联系

导语：

三者的方法有很大的重叠处，但各自的目的又有区别。其中，数据挖掘是用来理解事物的，机器学习是用来预测事物的，而人工智能是用来生成行动的。

具体含义：

①数据挖掘（Data Mining, DM），又称为资料勘探，数据采矿。他是数据库知识发现（Knowledge Discovery in Database, KDD），中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏在其中信息的过程。
有目的的从现有的信息中提取数据的模式和模型，以用于未来机器学习和人工智能的数据使用。其核心目的是找到数据变量之间的关系，A和B可能存在相关关系，但是它无法告诉你A和B存在什么样的关系。
数据挖掘不是一种用来证明假说的方法，而是用来构建各种各样假说的方法。
②机器学习（Machine Learning, ML）是一门多领域交叉学科，设计概率论，统计学，逼近论，凸分析，算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的只是或技能，重新组织已有的知识结构使之不断改善自身的性能。（M代表计算机程序（Computer Program）时，对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么就称这个计算机程序从经验E学习。）
其本质是自动地从过往经验中学习知识，其重要应用就是预测。
通过数据训练的学习算法的研究都属于机器学习。
推理： 从一般到特殊；
归纳： 从特殊到一般。
③人工智能（Artificial Intelligence, AI）, 它是研究、开发用于模拟、延伸和拓展人的智能的理论、方法、技术及应用系统的一门新的技术科学。即让机器的行为看起来像人表现的智能行为一样。其本质是用数据和模型为现有的问题提供解决方法。

结 语

有上述可知，机器学习是解决人工智能问题的一种手段；机器学习自己可以是一个单独的学科，也可以包含在人工智能学科里面。数据挖掘的很多算法也来自机器学习单两者没有从属关系。