机器学习、统计分析、数据挖掘、神经网络、人工智能、模式识别，

很难说谁包含于谁，只能分开说每一个概念的意义，谁服务于谁。

数据挖掘是一种概念，从数据中挖掘到有意义的信息。
很多人认为数据挖掘是新学科，是基于大数据，其实不然，如果给你一个数据说李嘉诚有100多亿美元，再给你一个数据是全国平均人均可支配收入水平是13279元人民币，你能挖掘出一个信息叫，李嘉诚很有钱，这也是数据挖掘。只不过很小白而已。

模式识别是目的，识别出一种模式，比如两个眼睛一个鼻子的是人脸的模式。如果不通过电脑，手工的通过计算来识别模式，也属于模式识别

机器学习是一种方法，通常用来进行模式识别，用机器去学习不直观的数据得到模式，这其中会需要用到各种各样的知识，比如统计分析的知识。

人工智能，这个概念就大了，这个概念是想要人工制造出和人类一样的智能，所以很多人就想出了机器人这么一个科幻产物，有人类的智能，并且依托于机器的强大运算能力。事实上，人工智能也不一定要和电脑挂钩的，只不过现在只有电脑有这么强大的计算能力，如果有一天生物科技能够突破，说不定也能实现。（纯属YY）

神经网络，这是学习算法中的一个很火的模型，它号称结合了多学科，模拟了人的神经过程，是很好的一种学习方法，可以说这个是基于统计学范畴的。

人工智能最大，内容同名字一样就是一个【科技领域】，致力于发展更加智能的机器和软件。

机器学习是【算法】的研究，致力于研究能够根据经验自动提高的算法。

神经网络是一种【模型】，和名字一样是模拟中央神经系统的一种数学模型，可以用于进行模式识别和机器学习。

人工智能属于一个非常大的研究领域，其需要解决的子问题很多：演绎/推理/问题求解、知识表示、（机器）学习、自然语言处理、感知等，可见机器学习和自然语言处理同属于属于人工智能研究子领域

我觉得模式识别和机器学习这两个是这样的关系，模式识别更偏向于应用，比如是针对具体的人脸、文字、语音或者其他问题进行针对性的研究，而机器学习更偏重的是方法，不是针对某个具体问题而是对于整个流程或者流程中的某一部分做通用的算法研究。

人工智能最大，机器学习是人工智能最近比较流行的一个分支。

机器学习通常会用统计分析的方法进行分析，统计学在机器学习里占有非常重要的地位。

神经网络是机器学习里一个研究非常广泛的方法，貌似有个会议就是研究神经网络的，NIPS，不过现在其实NIPS上很多论文也都和神经网络无关的，NIPS现在和ICML比较像了哦。。。

机器学习：强调学习能力，机器在算法的指导下有一点的学习能力，比如神经网络，训练算法
统计分析：从统计的角度出发，发现系统的规律，比如线性回归等，不过神经网络也可以看作一种非线性回归。
数据挖掘：强调的是从一大堆数据里有价值的数据，比如最赚钱的信息，指标，比如，啤酒尿布要放一块，为了挖掘有价值的信息，当然所有方法都会用上。
神经网络：强调模拟生物神经系统，尤其是大脑的神经网络。比如：BP网络，竞争神经网络，等各种仿生的算法。神经网络的学习机制，收敛性质等都会讨论