【機器學習_3】常見術語區別(人工智慧&資料探勘&機器學習&統計模型等)
阿新 • • 發佈：2019-01-04
1.人工智慧&資料探勘&機器學習&深度學習&統計模型
人工智慧：是一個大的概念，是讓機器像人一樣思考甚至超越人類。
資料探勘：有目的地從現有大資料中提取資料的模式(pattern)和模型(model)。——比較偏向探索性分析，不是強烈的目的導向，只是能發現多少發現多少。
資料探勘本質上像是機器學習和人工智慧的基礎，他的主要目的是從各種各樣的資料來源中，提取出超集(superset)的資訊，然後將這些資訊合併讓你發現你從來沒有想到過的模式和內在關係。這就意味著，資料探勘不是一種用來證明假說的方法，而是用來構建各種各樣的假說的方法。當然，資料探勘會使用大量機器學習的演算法，但是其特定的環境和目的和機器學習不太一樣。
機器學習：是實現人工智慧的一種方法，是使用演算法來解析資料、從中學習，然後對真實世界中的事件做出決策和預測。
深度學習：是機器學習的一種實現方式，通過模擬人神經網路的方式來訓練網路。
統計學：是機器學習和神經網路的一種基礎知識。
參考：
【資料探勘(data mining)，機器學習(machine learning)，和人工智慧(AI)的區別是什麼？ 資料科學(data science)和商業分析(business analytics)之間有什麼關係？】
https://www.cnblogs.com/DonJiang/p/5744535.html
【機器學習入門】擁抱人工智慧，從機器學習開始
https://tianchi.aliyun.com/dataset/notebook/detail?spm=5176.12282042.0.0.26c9290aVRHXqk&postId=6239