資料探勘：

         資料探勘從字面上就已經很好理解了，就是從一堆資料中，挖掘出一些有用的資訊來的過程。比如說，我們的搜尋資料，如果某個地區大部分人都在搜尋MH370，表示他們在關注這個事情。我們就可以推薦一些安全知識，飛機知識過去。同樣的也可能會有蠟燭銷售高潮，提前給他們提供便利。這個就是資料探勘的工作內容。

        資料探勘這些書的主要內容，資料有多少種，什麼是有效資料，資料的維度，離散性，相似性。有很大的篇幅是在講述資料的有效提取等有關資料的性質。剩下的一大部分篇幅就是這些資料的處理。資料的處理，整合，分析，預測等就是機器學習的範圍了。

模式識別：

著重物體的識別，基本模式識別都急於影象的，語音的，模式識別裡面的資料，大部分都是畫素點資料，聲音。資料探勘都是指標類資料，升高，體重，點選率，回覆率，關注度等。模式識別的主要內容，比如說，相片裡面的這個人是誰，我們手上拿的兩種魚，用電腦識別開，都是模式識別的工作。

       模式識別這類書的主要內容，都是機器學習的演算法，這兩本書是沒有多少差別的。可是機器學習，它的內容不僅僅針對影象，還針對其他型別的資料。而模式識別就只針對影象類的資料進行識別分析。在你google的過程中，模式識別的書很少，因為可以直接由機器學習的書全部代替。

影象處理：

      影象處理，是模式識別的前期 工作，比如影象上面黯淡無光，就需要進行對比度提升等等。影象處理的書大部分人都看過了，內容就是形態學變換，影象增強，降噪，銳化，直方圖分析，影象壓縮等等。

     做完影象處理後，影象上的內容是什麼就交給模式識別了，或者機器學習來進行分類了。

機器視覺：

       機器視覺的書籍和影象處理有一部分交叉，可是也有機器視覺也有自己特有的東西，就是座標定位，三維距離等。這些都是影象處理沒有的。從字面上看，機器視覺，主要是針對機器人用攝像頭識別類的，它與模式識別比，偏重的是視覺前端，模式識別是後端識別。無論怎麼講，機器人都是需要移動，如何定位當前位置，如何運動都是機器視覺的內容。

人工智慧：

人工智慧算最寬泛的一種領域了，資料探勘，模式識別都可以籠統的放到人工智慧裡面。舉例子：文字的理解，表情的分析都是人工智慧裡面的，人工智慧寫詩歌，這些都是人工智慧。其他的資料探勘，都是從人工智慧裡面提取出來的分支而已。人工智慧是一個非常大的領域。

       至於人工智慧的書，都是很寬泛的講解那些，什麼是人工智慧，它的歷史，有什麼難點，文字怎麼理解，和人的智慧有什麼差別等，很理論的東西。

機器學習：

      機器學習的書，就是一群數學演算法，貝葉斯，均值聚類，神經網路，深度學習，支援向量機等。也是做到分析，推理的核心了。模式識別，最後的識別就是靠它。資料探勘，最後的分析也是靠它。人工智慧，最後的智慧現象也要靠它。模式識別，資料探勘，人工智慧都是領域，而最後完成的處理都是機器學習。

基本內容呢？？就是這些了，各位想從事哪個方向呢？？？自己去選擇吧。不過我還是分析一下目前的情況吧。

目前的社會情況：

百度，阿里，騰訊和各類金融，網際網路公司，大部分的機器學習工程師，都是用於資料探勘的。也是目前最火爆，待遇最好的方向。所以，偏向於資料探勘更好一些。

而模式識別類機器學習就比較少了。比如說三維重構，好像目前就沒有公司在做，google到影象搜尋和智慧汽車涉及到了一些外，其他公司的都是基於大資料的分析，推薦系統等。

-------------------------------------------------------------------------------------------------------------------

這學期分別學習了《資料探勘》《機器學習》和《模式識別》三門課程，為了搞明白這三者的關係，就google了下，一下為一些從網上獲得的資料。

      資料探勘和機器學習的區別和聯絡，周志華有一篇很好的論述《機器學習與資料探勘》可以幫助大家理解。資料探勘受到很多學科領域的影響，其中資料庫、機器學習、統計學無疑影響最大。簡言之，對資料探勘而言，資料庫提供資料管理技術，機器學習和統計學提供資料分析技術。由於統計學往往醉心於理論的優美而忽視實際的效用，因此，統計學界提供的很多技術通常都要在機器學習界進一步研究，變成有效的機器學習演算法之後才能再進入資料探勘領域。從這個意義上說，統計學主要是通過機器學習來對資料探勘發揮影響，而機器學習和資料庫則是資料探勘的兩大支撐技術。從資料分析的角度來看，絕大多數資料探勘技術都來自機器學習領域，但機器學習研究往往並不把海量資料作為處理物件，因此，資料探勘要對演算法進行改造，使得演算法效能和空間佔用達到實用的地步。同時，資料探勘還有自身獨特的內容，即關聯分析。

而模式識別和機器學習的關係是什麼呢，傳統的模式識別的方法一般分為兩種：統計方法和句法方法。句法分析一般是不可學習的，而統計分析則是發展了不少機器學習的方法。也就是說，機器學習同樣是給模式識別提供了資料分析技術。

至於，資料探勘和模式識別，那麼從其概念上來區分吧，資料探勘重在發現知識，模式識別重在認識事物。

機器學習的目的是建模隱藏的資料結構，然後做識別、預測、分類等。

因此，機器學習是方法，模式識別是目的