人工智能

是計(jì)算機(jī)科學(xué)研究領(lǐng)域的一個(gè)重要分支。人工智能是眾多學(xué)科的一個(gè)交叉學(xué)科，關(guān)于人工智能并沒有一個(gè)統(tǒng)一的定義，我們可以理解為人工智能就是利用機(jī)器來(lái)模仿和執(zhí)行人類大腦的智力行為，開發(fā)一個(gè)能夠在人類現(xiàn)實(shí)環(huán)境下做出反應(yīng)和行為、不斷學(xué)習(xí)知識(shí)、能夠從一個(gè)新生兒變得越來(lái)越聰明的系統(tǒng)或軟件。人工智能包括眾多的分支領(lǐng)域，比如大家熟悉的機(jī)器學(xué)習(xí)、自然語(yǔ)言理解和模式識(shí)別等。

機(jī)器學(xué)習(xí)

屬于人工智能研究與應(yīng)用的一個(gè)分支領(lǐng)域。機(jī)器學(xué)習(xí)的研究更加偏向理論性，其目的更偏向于是研究一種為了讓計(jì)算機(jī)不斷從數(shù)據(jù)中學(xué)習(xí)知識(shí)，而使機(jī)器學(xué)習(xí)得到的結(jié)果不斷接近目標(biāo)函數(shù)的理論。

機(jī)器學(xué)習(xí)，引用卡內(nèi)基梅隆大學(xué)機(jī)器學(xué)習(xí)研究領(lǐng)域的著名教授Tom Mitchell的經(jīng)典定義：

如果一個(gè)程序在使用既有的經(jīng)驗(yàn)E(Experience)來(lái)執(zhí)行某類任務(wù)T(Task)的過程中被認(rèn)為是“具備學(xué)習(xí)能力的”，那么它一定要展現(xiàn)出：利用現(xiàn)有的經(jīng)驗(yàn)E，不斷改善其完成既定任務(wù)T的性能(Performance)的特質(zhì)。

數(shù)據(jù)挖掘

你可以簡(jiǎn)單地理解為，機(jī)器學(xué)習(xí)為數(shù)據(jù)挖掘提供了理論方法，而數(shù)據(jù)挖掘技術(shù)是機(jī)器學(xué)習(xí)技術(shù)的一個(gè)實(shí)際應(yīng)用。但在這一應(yīng)用中存在一個(gè)很重要的問題需要數(shù)據(jù)挖掘?qū)＜医鉀Q，因?yàn)閭鹘y(tǒng)的機(jī)器學(xué)習(xí)算法多是為了處理中小規(guī)模的數(shù)據(jù)而設(shè)計(jì)的，但數(shù)據(jù)挖掘面臨的往往是海量的數(shù)據(jù)，如果直接使用機(jī)器學(xué)習(xí)的算法可能并不一定能得到令人滿意的效果，因此需要數(shù)據(jù)挖掘?qū)＜裔槍?duì)具體的問題對(duì)機(jī)器學(xué)習(xí)算法進(jìn)行改造和優(yōu)化。

其次，在進(jìn)行數(shù)據(jù)挖掘時(shí)，如何管理海量的數(shù)據(jù)，這就需要用到數(shù)據(jù)庫(kù)的數(shù)據(jù)管理技術(shù)。

因此，數(shù)據(jù)挖掘技術(shù)可以簡(jiǎn)單看作是運(yùn)用數(shù)據(jù)庫(kù)提供的數(shù)據(jù)管理技術(shù)來(lái)獲取數(shù)據(jù)，然后再利用改造后的機(jī)器學(xué)習(xí)方法對(duì)獲取到的數(shù)據(jù)進(jìn)行學(xué)習(xí)，學(xué)習(xí)的結(jié)果可以對(duì)未來(lái)進(jìn)行預(yù)測(cè)。