大数据、数据挖掘和机器学习概念

可以认为大数据、数据挖掘和机器学习是三个平行的概念。大数据侧重描述数据，数据挖掘侧重描述应用，机器学习侧重描述方法。当然，数据是基础，是挖掘和学习的“燃料”（Ng说深度学习像火箭，计算是引擎，数据是燃料）。

大数据的内涵，是从数据量、数据类型和数据增长速度的角度描述数据。由于这些特点，数据的存储、传输、计算、处理、分析等，都是传统方式难以应对的，相关的技术就要升级，新的技术栈通常基于分布式架构解决，而分布式架构又带来一致性、资源调度、性能优化等多种问题，由此批处理、流计算、图计算、即席查询等方向都有发展。

数据挖掘是指从大量数据中挖掘出有价值的潜藏规律和知识。数据挖掘渴望完整而真实的原始数据，去噪和样本平衡很重要。实施过程涉及机器学习、模式识别、统计学、分布式存储、分布式计算、可视化等，还需要掌握领域专业知识。

机器学习是从数据中获取经验进而改善系统性能的一类重要方法，“学习”的意义就是求解最逼近真相的经验，理论基础主要是统计学。数据挖掘经常需要采用机器学习方法，但目前机器学习主要是想实现某种程度的人工智能。

编辑于 2017-09-08

转自知乎

数据挖掘、机器学习、深度学习这些概念有区别吗？

添加一个了解的角度：数据挖掘概念火爆的时候，数据仓库正当家。机器学习是随着大数据概念为人熟知的。深度学习是神经网络算法的新近发展，是随着机器学习概念被广知的。 数据挖掘作为一众数据分析技术的统称，出现较早。彼时有余数据库处理能力局限等原因，强调从抽样数据出发分析数据全集。 机器学习严格来说与数据挖掘不是对等概念，仍属于数据挖掘范畴。只不过更多地基于大数据理念出发，直接在数据全集中进行分析，故而有“…