学习笔记，仅供参考，有错必纠
机器学习与数据挖掘的区别
机器学习的定义
目前被广泛采用的机器学习的定义是“利用经验来 改善计算机系统自身的性能”。由于“经验”在计算机系统中主要是以数据的形式存在的，因此机器学习需要运用机器学习技术对数据进行分析.
数据挖掘的定义
所谓数据挖掘就是：“识别出巨量数据中有效的、 新颖的、潜在有用的、最终可理解的模式的非平凡 过程”。顾名思义，数据挖掘就是试图从海量数据 中找出有用的知识。
机器学习与数据挖掘的区别与联系
从两本最具代表性的机器学习教材(Tom M. Mitchell和周志华的机器学习)可以看出： 机器学习的教材和课程主要讲解各种不同的机器学习技术。比如：线性学习、支持向量机学习、神经网络学习、决策树学习、贝叶斯学习、最近邻学习 等等。
而数据挖掘的教材(数据挖掘概念与技术和数据挖掘导论)主要讲解各种不同的数据挖掘任务。比如：分类、回归、聚类、关联分析、异常分析、演变分析等等。
数据挖掘可以视为机器学习和数据库的交叉，它主要利用机器学习界提供的技术来分析海量数据，利用数据库界提供的技术来管理海量数据。二者既有区别又有联系，整体来说，机器学习偏理论，数据挖掘偏应用。