统计学，机器学习，数据挖掘，深度学习

统计学：通过利用概率建立数学模型，收集所观察系统的数据，进行量化分析，总结，做出推理和预测。包含了，调查，收集，分析，预测等。

机器学习：对计算机一部分数据进行学习，然后对另外一些数据进行预测和判断。核心是使用算法解析数据，从中学习，然后对新数据做出决策或预测。

深度学习：是一种机器学习，基础叫神经网络。机器学习是深度学习的方法论，数学是其背后的理论支撑。

数据挖掘：是在大型的数据库中对有价值的信息知识进行获取，属于一种先进的数据信息模式。通过对海量的，杂乱无章的，不清晰的并且随机性很大的数据进行挖掘，找到其中蕴含的有规律并且有价值的和能够理解应用的知识。

四者之间环环相扣，数据挖掘的信息交给统计学进行分析预测，深度学习通过统计学的数据支撑和机器学习的方法论来进行对数据的进一步处理。四者之间有很多共通的知识体系。