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

（artificial intelligence），英文縮寫為ai。它是研究、開發用於模擬、延伸和擴充套件人的智慧型的理論、方法、技術及應用系統的一門新的技術科學。

用人話說就是要讓機器的行為看起來像人表現出來的智慧型行為一樣。

其本質是用資料和模型為現有的問題提供解決方法。

機器學習2

(machine learning, ml)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。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。

m代表電腦程式(computer program)，對於某類任務t和效能度量p，如果乙個電腦程式在t上以p衡量的效能隨著經驗e而自我完善，那麼就稱這個電腦程式從經驗e學習。

本質是自動地從過往經驗中學習知識，其重要應用就是**。

通過資料訓練的學習演算法的研究都屬於機器學習。

資料探勘3

（data mining）又譯為資料探勘、資料採礦。它是資料庫知識發現（英語：knowledge-discovery in databases，簡稱：kdd)中的乙個步驟。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。

有目的的從現有的資訊中提取資料的模式和模型，以用於未來機器學習和人工智慧的資料使用。其核心目的是找到資料變數之間的關係，a和b可能存在相關關係，但是它無法告訴你a和b存在什麼相關關係。

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。

由以上的定**釋來看，機器學習是解決人工智慧問題的一種手段；機器學習自己可以是乙個單獨學科，也可以包含在人工智慧學科裡面。

資料探勘的很多演算法也來自機器學習但兩者沒有從屬關係。

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？

如有錯誤，敬請指正，待真正學習完此門課程再來更新！

人工智慧↩︎

機器學習↩︎

資料探勘↩︎

人工智慧 機器學習 資料探勘的區別