人工智能 机器学习 数据挖掘的区别

                                                                                   

      

导语

人工智能、机器学习、数据挖掘已然越来越火，我只是听了个耳熟，真正学习才刚刚开始，简单的说一下最近的学习成果：AI ML DM的区别。

总体来说

三者的区别是目的不同，但达到目的的方法有很大重叠之处。
数据挖掘是用来理解事物的；
机器学习是用来预测事物的；
人工智能是用来生成行动的。

分别解释

人工智能

人工智能¹（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

用人话说就是要让机器的行为看起来像人表现出来的智能行为一样。
其本质是用数据和模型为现有的问题提供解决方法。

如果你想要系统地学习人工智能，那么推荐你去看床长人工智能教程。非常棒的大神之作，教程不仅通俗易懂，而且很风趣幽默。

机器学习

机器学习²(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、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，以获取新的知识或技能，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)，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。

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

数据挖掘

数据挖掘³（Data mining）又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：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于其中信息的过程。

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存在什么相关关系。
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的假说的方法。

区别总结

由以上的定义解释来看，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但两者没有从属关系。