人工智能这个词应该是出现的最早的,自从有了计算机,人类就想让机器具备人的智慧,有学习能力和思考能力,从而更好的帮助人,或者说想当一次真正的造物主,感觉人工智能只是一个概念,一种人类的想象与追求,各个领域都可以以它为背景或目标,然后衍生出很多理论技术方法学科;
机器学习是实现人工智能的一种方法,偏重于算法本身的设计,从而让机器智能得以实现。
统计学习偏重理论,也就是学数学的那帮人搞的,需要通过机器学习将其变成有效的算法,这样方能应用。
数据挖掘是一种应用,需要用到机器学习中的算法,数据挖掘离不开数据库和机器学习,数据库提供数据管理数据,机器学习提供数据分析技术。统计学习在数据挖掘中很重要,但是是通过机器学习来对数据挖掘产生作用。数据挖掘也不单纯是机器学习算法的简单应用,而是在考虑到海量数据的基础上,对机器学习技术进行专门的改造,进而应用于实际场景。数据挖掘大概分为分类、聚类、关联规则、可视化这几项,其中关联规则是数据挖掘领域独有的。
模式识别:其方法一般分为两种,统计方法和句法方法,偏重于对信号、图像、声音、文字、指纹等非直观数据方面的处理,如语音识别、人脸识别,通过提取出相关特征,利用这些特征来搜寻目标,达到某种目的。
以上是从网上看了各种资料后个人总结,这些概念交叉性比较强,容易混淆,或者说它们本身就是混淆的,稍作区分,聊以记之。
另外数据挖掘十大经典算法:C4.5,k-means,svm,apriori,em,pagerank,adaboost,knn,naive bayes,cart。