数据挖掘和机器学习之间，主要有什么区别和联系？

数据挖掘受到很多学科领域的影响，其中数据库、机器学习、统计学无疑影响较大。简言之，对数据挖掘而言，数据库提供数据管理技术，机器学习和统计学提供数据分析技术。

由于统计学往往醉心于理论的优美而忽视实际的效用，因此，统计学界提供的很多技术通常都要在机器学习界进步研究，变成有效的机器学习算法之后才能再进入数据挖掘领域。从这个意义上说，统计学主要是通过机器学习来对数据挖掘发挥影响，而机器学习和数据库则是数据挖掘的两大支撑技术。

从数据分析的角度来看，绝大多数数据挖掘技术都来自机器学习领域，但机器学习研究往往并不把海量数据作为处理对象，因此，数据挖掘要对算法进行改造，使得算法性能和空间占用达到实用的地步。同时，数据挖掘还有自身独特的内容，即关联分析。

而模式识别和机器学习的关系是什么呢，传统的模式识别的方法般分为两种：统计方法和句法方法。句法分析般是不可学习的，而统计分析则是发展了不少机器学习的方法。也就是说，机器学习同样是给模式识别提供了数据分析技术。

数据挖掘和模式识别，那么从其概念上来区分吧，数据挖掘重在发现知识，模式识别重在认识事物。

机器学习的目的是建模隐藏的数据结构，然后做识别、预测、分类等。因此，机器学习是方法，模式识别是目的。

总结一下吧。只要跟决策有关系的都能叫AI(人工智能)，所以说PR(模式识别)、DM(数据挖掘)、IR(信息检索)属于AI的具体应用应该没有问题。研究的东西则不太样，ML(机器学习)强调自我完善的过程。Anyway，这些学科都是相通的。

人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：
大数据与数据挖掘属于相对关系还是绝对关系
http://www.duozhishidai.com/article-10018-1.html
数据分析与数据挖掘的区别和联系？
http://www.duozhishidai.com/article-9800-1.html
基础知识：统计学和数据挖掘的区别
http://www.duozhishidai.com/article-9794-1.html