機器學習與數據挖掘的關係

現總結如下：二者都是人工智能重要的研究領域。

ML更多是在自然科學和理論研究層面，而DM是在應用層面。

ML的發展歷史：

1，推理學習（演繹階段）19世紀50年代開始

2，知識庫（專家系統、知識工程）19世紀70-90年代

3，歸納學習（機器自主學習）

     ANN,SVM,決策樹，etc.

DM的發展源於大數據量的訓練樣例機器學習的效率很低，所以結合了機器學習，數據庫和統計學形成了現在的DM，當然DM的範圍不限於數據庫。由於統計學更多的是通過機器學習的磨練作用於DM，所以，

DM的基本框架是ML+DB的結合。

DM作爲獨立的研究領域也有自己的研究內容，比如關聯規則等。

南京大學的周志華老師的“機器學習與數據挖掘”一文對二者的概述描述的很全面。