機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘的關(guān)系

　　在大多數(shù)非計(jì)算機(jī)專(zhuān)業(yè)人士以及部分計(jì)算機(jī)專(zhuān)業(yè)背景人士眼中，機(jī)器學(xué)習(xí)（Data Mining）以及數(shù)據(jù)挖掘（Machine Learning）是兩個(gè)高深的領(lǐng)域。在筆者看來(lái)，這是一種過(guò)高”瞻仰“的習(xí)慣性錯(cuò)誤理解（在這里我加了好多定語(yǔ)）。事實(shí)上，這兩個(gè)領(lǐng)域與計(jì)算機(jī)其他領(lǐng)域一樣都是在融匯理論和實(shí)踐的過(guò)程中不斷熟練和深入，不同之處僅在于滲透了更多的數(shù)學(xué)知識(shí)（主要是統(tǒng)計(jì)學(xué)），在后面的文章中我會(huì)努力將這些數(shù)學(xué)知識(shí)以一種更容易理解的方式講解給大家。本文從基本概念出發(fā)淺析他們的關(guān)系和異同，不講具體算法和數(shù)學(xué)公式。希望對(duì)大家能有所幫助。

　　機(jī)器學(xué)習(xí)（Machine Learning，ML）是一門(mén)多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門(mén)學(xué)科。其專(zhuān)門(mén)研究計(jì)算機(jī)是怎樣模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)，使之不斷改善自身的性能。

　　數(shù)據(jù)挖掘是從海量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過(guò)程。數(shù)據(jù)挖掘中用到了大量的機(jī)器學(xué)習(xí)界提供的數(shù)據(jù)分析技術(shù)和數(shù)據(jù)庫(kù)界提供的數(shù)據(jù)管理技術(shù)。

　　學(xué)習(xí)能力是智能行為的一個(gè)非常重要的特征，不具有學(xué)習(xí)能力的系統(tǒng)很難稱(chēng)之為一個(gè)真正的智能系統(tǒng)，而機(jī)器學(xué)習(xí)則希望（計(jì)算機(jī)）系統(tǒng)能夠利用經(jīng)驗(yàn)來(lái)改善自身的性能，因此該領(lǐng)域一直是人工智能的核心研究領(lǐng)域之一。在計(jì)算機(jī)系統(tǒng)中，“經(jīng)驗(yàn)”通常是以數(shù)據(jù)的形式存在的，因此，機(jī)器學(xué)習(xí)不僅涉及對(duì)人的認(rèn)知學(xué)習(xí)過(guò)程的探索，還涉及對(duì)數(shù)據(jù)的分析處理。實(shí)際上，機(jī)器學(xué)習(xí)已經(jīng)成為計(jì)算機(jī)數(shù)據(jù)分析技術(shù)的創(chuàng)新源頭之一。由于幾乎所有的學(xué)科都要面對(duì)數(shù)據(jù)分析任務(wù)，因此機(jī)器學(xué)習(xí)已經(jīng)開(kāi)始影響到計(jì)算機(jī)科學(xué)的眾多領(lǐng)域，甚至影響到計(jì)算機(jī)科學(xué)之外的很多學(xué)科。機(jī)器學(xué)習(xí)是數(shù)據(jù)挖掘中的一種重要工具。然而數(shù)據(jù)挖掘不僅僅要研究、拓展、應(yīng)用一些機(jī)器學(xué)習(xí)方法，還要通過(guò)許多非機(jī)器學(xué)習(xí)技術(shù)解決數(shù)據(jù)倉(cāng)儲(chǔ)、大規(guī)模數(shù)據(jù)、數(shù)據(jù)噪聲等實(shí)踐問(wèn)題。機(jī)器學(xué)習(xí)的涉及面也很寬，常用在數(shù)據(jù)挖掘上的方法通常只是“從數(shù)據(jù)學(xué)習(xí)”。然而機(jī)器學(xué)習(xí)不僅僅可以用在數(shù)據(jù)挖掘上，一些機(jī)器學(xué)習(xí)的子領(lǐng)域甚至與數(shù)據(jù)挖掘關(guān)系不大，如增強(qiáng)學(xué)習(xí)與自動(dòng)控制等。所以筆者認(rèn)為，數(shù)據(jù)挖掘是從目的而言的，機(jī)器學(xué)習(xí)是從方法而言的，兩個(gè)領(lǐng)域有相當(dāng)大的交集，但不能等同。

　　關(guān)系：數(shù)據(jù)挖掘可以認(rèn)為是數(shù)據(jù)庫(kù)技術(shù)與機(jī)器學(xué)習(xí)的交叉，它利用數(shù)據(jù)庫(kù)技術(shù)來(lái)管理海量的數(shù)據(jù)，并利用機(jī)器學(xué)習(xí)和統(tǒng)計(jì)分析來(lái)進(jìn)行數(shù)據(jù)分析。其關(guān)系如下圖：

　　數(shù)據(jù)挖掘受到了很多學(xué)科領(lǐng)域的影響，其中數(shù)據(jù)庫(kù)、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)無(wú)疑影響最大。粗糙地說(shuō)，數(shù)據(jù)庫(kù)提供數(shù)據(jù)管理技術(shù)，機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)提供數(shù)據(jù)分析技術(shù)。由于統(tǒng)計(jì)學(xué)界往往醉心于理論的優(yōu)美而忽視實(shí)際的效用，因此，統(tǒng)計(jì)學(xué)界提供的很多技術(shù)通常都要在機(jī)器學(xué)習(xí)界進(jìn)一步研究，變成有效的機(jī)器學(xué)習(xí)算法之后才能再進(jìn)入數(shù)據(jù)挖掘領(lǐng)域。從這個(gè)意義上說(shuō)，統(tǒng)計(jì)學(xué)主要是通過(guò)機(jī)器學(xué)習(xí)來(lái)對(duì)數(shù)據(jù)挖掘發(fā)揮影響，而機(jī)器學(xué)習(xí)和數(shù)據(jù)庫(kù)則是數(shù)據(jù)挖掘的兩大支撐技術(shù)。

　　區(qū)別：數(shù)據(jù)挖掘并非只是機(jī)器學(xué)習(xí)在工業(yè)上的簡(jiǎn)單應(yīng)用，他們之間至少包含如下兩點(diǎn)重要區(qū)別：

　　1.傳統(tǒng)的機(jī)器學(xué)習(xí)研究并不把海量數(shù)據(jù)作為處理對(duì)象，因此，數(shù)據(jù)挖掘必須對(duì)這些技術(shù)和算法進(jìn)行專(zhuān)門(mén)的、不簡(jiǎn)單的改造。

　　2.作為一個(gè)獨(dú)立的學(xué)科，數(shù)據(jù)挖掘也有其獨(dú)特的東西，即：關(guān)聯(lián)分析。簡(jiǎn)單地說(shuō)，關(guān)聯(lián)分析就是希望從數(shù)據(jù)中找出“買(mǎi)尿布的人很可能會(huì)買(mǎi)啤酒”這樣看起來(lái)匪夷所思但可能很有意義的模式。