统计学，机器学习，数据挖掘与深度学习

统计学：统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。统计学的研究对象是大量现象的数据方面，包括数量特征和数量关系。

数据挖掘：又叫做数据库中的知识发现，简称为KDD。即数据挖掘技术就是在模糊的、有噪声的、不完全的、大量的、随机的数据中，提取潜在的、人们事先不知道的、隐含在其中的有价值的知识与信息的过程。用于解决去哪挖掘数据，挖什么数据（分为连续型数据，离散新数据，文本新数据），怎么挖数据（数据采集，数据预处理和数据分析）
机器学习：基于对海量信息处理的需求产生的一门涉及多个学科领域交叉的学科，机器学习是对能通过经验自动改进的计算机算法研究。其主要目的是研究计算机如何通过学习人类的思维和行为，来自动获取新知识，自动适应环境的变化的。机器学习是人工智能的核心。

深度学习：一类复杂机器学习方法，可实例化为深度学习器，所对应的设计、训练和使用方法集合称为深度学习。

共同点：统计学，数据挖掘和机器学习都涉及到收集和分析数据

              数据分析，机器学习和数据挖掘是不同context下，统计推断的不同名字。

              统计推断的近亲（close cousins）是数据挖掘和机器学习

不同点：数据分析：主要涉及的是统计学方面的知识

               机器学习：概括来说可以说是矩阵、算法、优化和统计的统一

联系：    机器学习包括数据挖掘但不包括数据分析，机器学习和数据分析有交叉

                机器学习包括深度学习

                深度学习在数据挖掘领域取得了成果    

                 机器学习 = 统计学 + 计算机