统计学 数据挖掘 机器学习 深度学习之间的关联

1.机器学是建立在统计学习的基础上，统计学是数据分布进行假设，以强大的数学理论支撑解释因果，注重参数推断；统计学是通过搜索，整理，分析，描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。统计学用到了大量的数学及其它科学的专业知识，其应用范围几乎覆盖了社会科学和自然科学的各个领域。统计数据的整理是对统计数据的加工处理过程，目的是使统计数据系统化，条理化，符合统计分析的需要。数据整理是介于数据收集与数据分析之间的一个必要环节。

2.数据挖掘，顾名思义就是从海量数据中“挖掘”隐藏信息，这里的数据是“大量的，不完全的，有噪声的，有模糊的，随机的实际应用数据”，信息指的是“隐含的,规律性的，人们事先未知的，但又是潜在有用的并且最终可理解的信息和知识”。在商业环境中，企业希望让存放在数据库中的数据能“说话”，支持决策。所以，数据挖掘更偏向应用。数据挖掘通常与计算机有关，并通过统计，在线分析处理，情报检索，机器学习，专家系统和模式识别等诸多方法来实现上述目标。 

3.机器学习，机器学习是指用某些算法指导计算机计算机利用已知数据得出适当的模型，并利用此模型对新的情境给出判断的过程。机器学习的思想并不复杂，它仅仅是对人类生活中学习过程中的一个模拟。而在这个过程中最关键的是数据。任何通过数据训练的学习算法的相关研究都属于机器学习。

4.深度学习，深度学习的概念源于人工神经网咯的研究。含多隐层的多层感知器就是一中深度学习架构。深度学习通过组合底层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习是机器学习研究中的一个新的领域，其动机在于建立，模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，列如图像，声音和文本。

5.人工智能与机器学习，深度学习的关系严格意义上说，人工智能和机器学习没有直接关系，只不过目前机器学习的方法被大量的应用于解决人工智能的问题而已。目前机器学习是人工智能的一种实现方法，也是最重要的实现方式。