有篇很好的解釋：
下面是以前自己總結的。
資料探勘一般是指從大量的資料中通過演算法搜尋隱藏於其中資訊的過程。
機器學習專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。它是人工智慧的核心，是使計算機具有智慧型的根本途徑，其應用遍及人工智慧的各個領域，它主要使用歸納、綜合而不是演繹。
人工智慧研究的乙個主要目標是使機器能夠勝任一些通常需要人類智慧型才能完成的複雜工作。但不同的時代、不同的人對這種「複雜工作」的理解是不同的。
我的理解：大概人工智慧必定包含機器學習，機器學習和資料探勘屬於不同維度，機器學習感覺更靠近演算法概念，資料探勘更靠近目的性概念。
· 分類 （classification）：監督機器學習演算法
· 估計（estimation）
· **（prediction）
· 相關性分組或關聯規則（affinity grouping or association rules）
· 聚類（clustering）：非監督機器學習
1）監督學習(supervised learning)
2）非監督學習(unsupervised learning)
1）採用歸納策略的學習由於是對輸入進行歸納，所學習的知識顯然超過原有系統知識庫所能蘊涵的範圍,所學結果改變了系統的知識演繹閉包, 因而這種型別的學習又可稱為知識級學習;
2）採用演繹策略的學習儘管所學的知識能提高系統的效率，但仍能被原有系統的知識庫所蘊涵,即所學的知識未能改變系統的演繹閉包,因而這種型別的學習又被稱為符號級學習。
ps: apache mahout為我們提供了聚類、分類、推薦過濾、頻繁子項挖掘等一些可擴充套件的機器學習領域經典演算法的實現。
推薦系統基本就是使用不同的機器學習演算法來**推薦。
這個接觸不多，只能說他是很多非計算機技術和計算機技術的交融，每個例子都可以非常複雜，至於舉例，我真的只能舉例，詳細的真的說不下去，例如：智慧型駕駛、阿爾法圍棋等等。。。
人工智慧 機器學習 資料探勘的區別
總體來說 分別解釋 區別總結 人工智慧 機器學習 資料探勘已然越來越火，我只是聽了個耳熟，真正學習才剛剛開始，簡單的說一下最近的學習成果 aimldm的區別。三者的區別是目的不同，但達到目的的方法有很大重疊之處。資料探勘是用來理解事物的 機器學習是用來 事物的 人工智慧是用來生成行動的。人工智慧1 ...
人工智慧 機器學習 資料探勘的區別
總體來說 分別解釋 區別總結 人工智慧 機器學習 資料探勘已然越來越火，我只是聽了個耳熟，真正學習才剛剛開始，簡單的說一下最近的學習成果 aimldm的區別。三者的區別是目的不同，但達到目的的方法有很大重疊之處。資料探勘是用來理解事物的 機器學習是用來 事物的 人工智慧是用來生成行動的。人工智慧1 ...
人工智慧 機器學習 統計學 資料探勘 區別
人工智慧所要完成的主要目標列表 亦稱為ai問題 1 reasoning 推理 2 knowledge representation 知識表示 3 automated planning and scheduling 自動規劃 4 machine learning 機器學習 5 natural lang...