模式识别与机器学习的关系

      模式识别和机器学习的区别在于：

             前者喂给机器的是各种特征描述，从而让机器对未知的事物进行判断；

            后者喂给机器的是某一事物的海量样本，让机器通过样本来自己发现特征，最后去判断某些未知的事物。

      通俗些来说，模式识别更像是以前我们经历的填鸭式教育，老师教给学生的知识都是纸上谈兵；而机器学习则更像是读万卷书行万里路。

 

举一个例子吧，笑脸识别，自动拍照：
假如我把嘴角上扬，牙齿微微露出，以及脸上的某块肌肉在动，定义成笑脸的特征。
模式识别干的事情就是：
我告诉机器具有这些特征的脸就是笑脸，否则不是笑脸，那么机器就对下一张脸进行
识别，检查下一张脸有没有那些特征，有的话就识别为笑脸，拍照，没有的话就不拍照。

机器学习干的事情就是：
我没有告诉机器笑脸的特征，只是给了机器很多，笑脸与非笑脸的照片，并告诉机器哪张是笑脸（有监督学习），哪张不是
笑脸（注意：这里并没有告诉机器笑脸的特征，仅仅告诉机器是不是笑脸），然后机器自己去挖掘笑脸和非笑脸的
特征，新的照片来了之后，机器可以判断是不是笑脸，决定拍不拍照。

再举一个例子吧，人脸识别，开门：
模式识别干的事情就是：
我先告诉机器，A同学脸的特征是大眼睛，长睫毛，樱桃嘴巴等等，当扫描人脸的时候，机器开始检查，这张脸
有没有那些特征，有的话，就开门，没的话就不开。

 

当然，现在已经不需要去刻意区分它们，模式识别多是一个工业界的概念，机器学习则流行于学术界，经典书籍Pattern Recognition and Machine Learning则不区分它们，模式识别可认为是早期的机器学习

 

模式pattern的定义：certain characteristics of data that are frequently observed