机器学习范围，和模式识别，统计学习，数据挖掘，计算机视觉，语音识别有着很深的联系

最新推荐文章于 2023-12-23 00:43:35 发布

人工智能爱好者

最新推荐文章于 2023-12-23 00:43:35 发布

阅读量1.5k

点赞数 1

分类专栏：人工智能文章标签：机器学习模式识别统计学习数据挖掘计算机视觉

本文链接：https://blog.csdn.net/zhinengxuexi/article/details/89930899

版权

机器学习涵盖模式识别、统计学习和数据挖掘，与计算机视觉、语音识别、自然语言处理等交叉学科紧密相连。模式识别与机器学习概念相似，数据挖掘是机器学习与数据库的结合，统计学习侧重模型优化，计算机视觉和语音识别结合图像处理和音频处理，而自然语言处理则融合文本处理和机器学习技术。这些领域共同推动人工智能的发展。

摘要由CSDN通过智能技术生成

机器学习的范围

机器学习跟模式识别，统计学习，数据挖掘，计算机视觉，语音识别，自然语言处理等领域有着很深的联系。

从范围上来说，机器学习跟模式识别，统计学习，数据挖掘是类似的，同时，机器学习与其他领域的处理技术的结合，形成了计算机视觉、语音识别、自然语言处理等交叉学科。因此，般说数据挖掘时，可以等同于说机器学习。同时，我们平常所说的机器学习应用，应该是通用的，不仅仅局限在结构化数据，还有图像，音频等应用。

模式识别

模式识别=机器学习。两者的主要区别在于前者是从工业界发展起来的概念，后者则主要源自计算机学科。在著名的《PatternRecognitionAndMachineLearning》这本书中，ChristopherM.Bishop在开头是这样说的“模式识别源自工业界，而机器学习来自于计算机学科。不过，它们中的活动可以被视为同个领域的两个方面，同时在过去的10年间，它们都有了长足的发展”。

数据挖掘

数据挖掘=机器学习+数据库。这几年数据挖掘的概念实在是太耳熟能详。几乎等同于炒作。但凡说数据挖掘都会吹嘘数据挖掘如何如何，例如从数据中挖出金子，以及将废弃的数据转化为价值等等。但是，我尽管可能会挖出金子，但我也可能挖的是“石头”啊。这个说法的意思是，数据挖掘仅仅是种思考方式，告诉我们应该尝试从数据中挖掘出知识，但不是每个数据都能挖掘出金子的，所以不要神话它。个系统不会因为上了个数据挖掘模块就变得无所不能(这是IBM较喜欢吹嘘的)，恰恰相反，个拥有数据挖掘思维的人员才是关键，而且他还必须对数据有深刻的认识，这样才可能从数据中导出模式指引业务的改善。