机器学习与数据挖掘的关系

现总结如下：二者都是人工智能重要的研究领域。

ML更多是在自然科学和理论研究层面，而DM是在应用层面。

ML的发展历史：

1，推理学习（演绎阶段）19世纪50年代开始

2，知识库（专家系统、知识工程）19世纪70-90年代

3，归纳学习（机器自主学习）

     ANN,SVM,决策树，etc.

DM的发展源于大数据量的训练样例机器学习的效率很低，所以结合了机器学习，数据库和统计学形成了现在的DM，当然DM的范围不限于数据库。由于统计学更多的是通过机器学习的磨练作用于DM，所以，

DM的基本框架是ML+DB的结合。

DM作为独立的研究领域也有自己的研究内容，比如关联规则等。

南京大学的周志华老师的“机器学习与数据挖掘”一文对二者的概述描述的很全面。