统计学，机器学习，数据挖掘和深度学习之间的区别于联系

概念

• 机器学习：专门研究计算机怎么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。
• 统计学：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。                                                                                                      它是人工智能的核心，是使计算机具有智能的根本途径。
• 数据挖掘：指从大量的数据中通过算法搜索隐藏语气中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检 索，机器学习、专家系统和模式识别等方法来实现。
•  深度学习：学习样本内在规律和表示层次。他的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字，图像和声音等数据。深度学习是一个复杂的机器学习算法。

区别与联系

1. 统计学和机器学习之间的区别与联系                                                                                        统计学和机器学习的出发点不同，统计学家关注模型的可解释性，而机器学习专家关注模型的预测能力。在一些传统领域，机器学习的理论可以创造一些更高的维度和深度。统计学是发现模型驱动，机器学习是搜索算法驱动，统计学注重概率统计的理论推导；机器学习注重的是应用价值和算法研究。
2. 统计学与数据挖掘的区别与联系                                                                                             数据挖掘和统计学是有本质区别的：一个主要差别在于处理对象(数据集)的尺度和性质。数   据挖掘经常会面对尺度为GB甚至TB数量级的数据库。传统的统计处理往往是针对特定的问   题采集数据和分析数据来解决特定问题；而数据挖掘却往往是数据分析的次级过程。
3. 深度学习与机器学习之间的区别与联系                                                                                    深度学习模型需要大量的训练数据，才能展现出神奇的效果。所以现实生活中会遇到深度学  习无法入手的小样本问题用传统的机器学习方法就可以处理。