先上一張圖看看：
模式識別：自己建立模型刻畫已有的特徵，樣本是用於估計模型中的引數。模式識別的落腳點是感知
模式識別是70年代和80年代非常流行的乙個術語。它強調的是如何讓乙個電腦程式去做一些看起來很「智慧型」的事情，例如識別「3」這個數字。而且在融入了很多的智慧型和直覺後，人們也的確構建了這樣的乙個程式。例如，區分「3」和「b」或者「3」和「8」。早在以前，大家也不會去關心你是怎麼實現的，只要這個機器不是由人躲在盒子裡面偽裝的就好。不過，如果你的演算法對影象應用了一些像濾波器、邊緣檢測和形態學處理等等高大上的技術後，模式識別社群肯定就會對它感興趣。光學字元識別就是從這個社群誕生的。因此，把模式識別稱為70年代，80年代和90年代初的「智慧型」訊號處理是合適的。決策樹、啟發式和二次判別分析等全部誕生於這個時代。而且，在這個時代，模式識別也成為了電腦科學領域的小夥伴搞的東西，而不是電子工程。
機器學習：根據樣本訓練模型，如訓練好的神經網路是乙個針對特定分類問題的模型；重點在於「學習」，訓練模型的過程就是學習；機器學習的落腳點是思考；
在90年代初，人們開始意識到一種可以更有效地構建模式識別演算法的方法，那就是用資料（可以通過廉價勞動力採集獲得）去替換專家（具有很多影象方面知識的人）。因此，我們蒐集大量的人臉和非人臉影象，再選擇乙個演算法，然後衝著咖啡、曬著太陽，等著計算機完成對這些影象的學習。這就是機器學習的思想。「機器學習」強調的是，在給電腦程式（或者機器）輸入一些資料後，它必須做一些事情，那就是學習這些資料，而這個學習的步驟是明確的。相信我，就算計算機完成學習要耗上一天的時間，也會比你邀請你的研究夥伴來到你家然後專門手工得為這個任務設計一些分類規則要好。
區別與聯絡：
最後附上乙個截至目前谷歌搜尋的趨勢：
感謝（參考文獻）：黎韜：
機器學習和模式識別的區別
不同於模式識別中人類主動去描述某些特徵給機器，機器學習可以這樣理解 機器從已知的經驗資料 樣本 中，通過某種特定的方法 演算法 自己去尋找提煉 訓練 學習 出一些規律 模型 提煉出的規律就可以用來判斷一些未知的事情 也就是說，模式識別和機器學習的區別在於 前者餵給機器的是各種特徵描述，從而讓機器對未...
模式識別 機器學習 資料探勘有什麼區別和聯絡？
三者 聯絡是很緊密的，模式識別說白了就是分類，而分類可以認為是資料探勘的一部分，資料探勘主要工作有分類 聚類 關聯分析 離群點檢測等 機器學習的範圍更廣，演算法更多！但三者都要求有堅實的統計學基礎，學的越紮實越好！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...
模式識別 機器學習 深度學習的區別
1 模式識別概念 模式識別是指對表徵事物或現象的各種形式的 數值的 文字的和邏輯關係的 資訊進行處理和分析，以對事物或現象進行描述 辨認 分類和解釋的過程，是資訊科學和人工智慧的重要組成部分。2 機器學習 電腦程式可以在給定某種類別的任務 t 和效能度量 p 下學習經驗 e 如果其在任務 t 中的效...