人工智能，机器学习，统计学习，数据挖掘概念解读

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。