数据挖掘，深度学习，机器学习，统计学简介

1 数据挖掘：数据挖掘又称知识发现。

过程：数据清理，数据集成，数据选择，数据变换，数据挖掘，模式评估，知识表达。

数据类型：数据库数据，数据仓库，事务数据，其他类型。

技术：统计学、机器学习、模式识别、数据库和数据仓库、信息检索、可视化、算法、高性能计算 和 许多应用领域的大量技术。

2 深度学习：是源于对人工神经网络的研究，模仿人脑机制处理数据，是多层结构的学习算法。表示为每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。

3 机器学习：近代兴起的多交叉领域学科，涉及概率论，统计学等多门学科，机器学习主要是设计一些机器可以使用的算法，对未知数据进行预测。

作用：提高机器的先进性，更好为人服务

4，统计学：通过搜索，整理，分析数据，推断所测对象的本质。

研究对象：大量现象的数量方面，包括数量特征和数量关系。

研究方法：大量观察法、实验设计法、统计分组法、综合指标法、统计模型法、统计推断法。

深度学习和机器学习：深度学习是实现机器学习的一种方式或一条路径。其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。比如其按特定的物理距离连接；而深度学习使用独立的层、连接，还有数据传播方向。