机器学习几个重要概念的区别
机器学习几个重要概念的区别
1、人工智能、机器学习、深度学习的关系
【笔记】机器学习是人工智能的一个分支，深度学习是实现机器学习的一种技术。
机器学习是研究如何使计算机能够模拟或实现人类的学习功能，从大量的数据中发现规律，提取知识，并在实践中不断地完善和增强自我。机器学习是机器获取知识的根本途径，只有让计算机系统具有类似人的学习能力，才可能实现人工智能的终极目标。
机器学习是人工智能研究的核心问题之一，也是当前人工智能研究的一个热门方向，同时也是人工智能理论研究和实际应用的主要瓶颈之一。
如上图，区别三者最简单的方法：想象同心圆，人工智能(AI)是半径最大的同心圆，向内是机器学习(Machine Learning)，最内是深入学习(Deep Learning)。人工智能是最早出现的，也是最大、最外侧的同心圆；其次是机器学习，稍晚一点；最内侧，是深度学习，当今人工智能大爆炸的核心驱动。
深度学习使得许多机器学习应用得以实现，并拓展了人工智能的整个领域。深度学习一一实现了各种任务，并使得所有的机器辅助变成可能。无人驾驶汽车、电影推荐等，都触手可及或即将成为现实。人工智能就在现在，也在未来。有了深度学习，人工智能可能甚至达到像我们畅想的科幻小说一样效果。
（ 更简单理解）人工智能是祖辈，机器学习是父辈，深度学习是儿子辈！
2、数据分析和数据挖掘的基本概念
首先我们了解什么是数据，什么是信息？
（1） 数据— 即观测值，例如测量数据，你的身高，体重都是测量数据。
（2） 信息：（信息抽象地说就是）可信的数据。
数据——>信息：数据和信息最大的区别就是一个是客观一个是主观。如：用尺子量桌子宽度，测量得到的值就是数据，这是客观存在的。
而对于用户而言只会关心桌子是长还是短、高还是低，大了买小的等。这种主观对客观数据的接受和在描述，就是信息。
（3） 数据分析 ： 对数据的一种操作手段 ， 目标是经过先验 （ 已有经验 ） 的约束 ， 对数据进行整理、筛选和加工，最后得到信息。【从数据到信息的转化过程】
（4） 数据挖掘：是对数据分析之后的信息，进行价值化的分析。【信息的价值化】
（5） 数据挖掘和数据分析的关系
第一层是递归的关系：
【笔记】数据分析的结果是信息，这些信息作为数据又去数据挖掘。 而数据挖掘，又使用了数据分析的手段，如此反反复复。
数据挖掘和数据分析最大区别：
- 数据分析，以输入数据为基础，通过先验约束，对数据进行处理，但是不以结论如何做调整。（重在于数据有效性、真实性和先验约束正确性）
- 数据挖掘，是对信息的价值化的获取。价值化自然不考虑数据本身，而是考虑数据是否有价值。由此，一批数据，尝试对他做不同的价值评估，就是数据挖掘。对比数据分析，最大的特点就是你需要调整你的不同的先验约束，在此对数据进行分析。
（6）举例 1： 钻戒的例子
你打算跟你女朋友买戒指，那么你手上有一批品牌和款式名单，你按照价格、风格、材质分类，得到如下结论：
- 钻石戒指比钢戒贵
- 大钻戒比小钻戒贵
- 钢戒样式比较多、钻戒款式少
这就是数据分析，根据你的先验约束（按照什么划分）获得的结论，但是不是最贵的你女朋友就最喜欢，而对于男同胞来讲就是需要用最少的钱让你女朋友最开心，由此我们需要进行数据挖掘。
最优的标准就是最少的投入，最大的开心。因此，任务就是根据先验（历史数据）去寻找贵的戒指不买的理由，比如钻戒款式少、大钻戒要比钢戒要小。同时你要去问问你女朋友怎么样才开心。
于是，我们又去做数据分析，此时实际上是使用价值的评判标准，对数据进行价值化。因此如果你确定了分析方式，则动作确实是数据分析，但是带上了确定价值化的评价标准动作，这就是数据挖掘。
最后的最后，你得到了理由既花钱少又能让女朋友开心。
（7）举例 2： 买菜的例子
老婆早上给你 50 元让你买一天的菜，要求鸡猪鱼肉俱全，且蛋菜葱蒜豆品必备。于是你屁颠屁颠的到了菜市场先是饶了一圈，在各个档口拉拉家常，问问价格。猪肉十几块一斤，好一点品种的鱼也很贵，数据分析下来，拿出手机打开计算器的 App 噼里啪啦的按，数字长的比韭菜还长，最后得到一个价格，这就是数据分析。根据客观的数据，先验的公式得到的信息。
但是对你而言，最大的价值是：用最少的钱满足老婆要求，还可以留点私房钱和朋友吃饭等。那么现在就要开始数据挖掘了，但是你必须具备评价标准。
多少肉算一天的量
猪肉、鱼肉、各种肉怎么个选法
青菜白菜都是菜，便宜营养我最爱
怎么个选法才能让老婆满意，同时价格落于你可承受的范围。于是，根据设定的范围，包括菜怎么卖、肉怎么买、中饭怎么配、晚饭怎么配等，最终可以确定一个都买方案，这就是数据挖掘。
（8） 总结：
- 数据分析：针对历史数据，分析得出各项指标，经过数据分析我们得到的是信息。
- 数据挖掘[ 大量的数据挖掘规律]： ： 经过数据挖掘我们得到的是有价值的信息 ， 即对信息进行价值提取或数据挖掘。
举例： 啤酒和尿布的故事
- 数据分析（信息）：根据沃尔玛历史销售数据，分别分析买各种商品的人各自具有什么特征。
- 数据挖掘（有价值的信息）：根据历史销售数据，使用关联规则挖掘，分析买了啤酒的人还会购买什么，从而得出尿布。
3、各技术点的交叉
了解了数据挖掘，我们在介绍下机器学习和数据挖掘的关系。
用机器学习的方法来进行数据挖掘。机器学习是一种方法；数据挖掘是一件事情；还有一个相似的概念就是模式识别，这也是一件事情。而现在流行的深度学习技术只是机器学习的一种；（看下图）
解释：机器学习就是让机器从数据中学习模型，模型可形象地理解为预测力，机器学习侧重于模型的构建。深度学习是机器学习的一种，属于当前比较热的领域，属于机器学习技术的重大突破，因此你可以看到人脸识别、机器翻译等人工智能领域的产品越来越神奇。数据挖掘是从一堆数据中发现潜在价值的过程，有时会用机器学习算法，有时不需要用。
人工智能是研究如何让机器具有类人智能的学科，目标是让机器具有人类的智能。机器学习，是达到人工智能目标的手段之一；模式识别也是达到人工智能的手段之一。
如上图所示，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。
人工智能范围比较大，机器学习相对来说属于人工智能的范畴。数据挖掘则是将机器学习作为工具，利用机器学习的算法用来完成数据挖掘。另外数据挖掘也使用到其他很多内容。
喜欢就点赞评论+关注吧
感谢阅读，希望能帮助到大家，谢谢大家的支持！