机器学习在何处适用？

机器学习是一个多学科领域，对于初学者来说，要将其与密切相关的领域——人工智能和数据挖掘区分开来，可能会非常混乱。

在本篇文章中，您将了解与机器学习相关的领域。具体来说，您将通过学习机器学习如何建立在数学和人工智能领域的基础上，并在数据挖掘和数据科学等领域中使用，来了解该领域的边界。

基础知识

机器学习建立在数学和计算机科学领域之上。特别是，机器学习方法最好用线性代数和矩阵代数来描述，其行为最好用概率和统计工具来理解。统计学、概率论和人工智能领域代表了机器学习的基础学科。

概率论

概率论是研究随机事件可能性的学科。概率论是数学的一个分支，为统计学领域提供了基础。

照片归功于 topher76，保留部分权利。

机器学习方法通常用概率语言来描述，并且存在直接运用概率论的方法，例如 贝叶斯定理。

统计学

统计学是收集、分析、描述和呈现数据的方法的学科。统计学是数学的一个分支。该领域涉及诸如数据意味着什么之类的问题。

机器学习可以在统计框架内得到很好的理解，其中从训练数据中学习被视为对数据中的结构和关系进行建模。因此，统计建模方法被机器学习所采用，但机器学习包含的不仅仅是统计建模方法。

人工智能

人工智能是研究和构建能够执行人类可以执行或我们认为是智能的任务的计算系统的学科。例如，人类可以在环境中移动、理解他们所看到的东西以及理解他们阅读和听到的语言，我们有相应的子领域：机器人学、计算机视觉和自然语言处理。象棋大师被认为是智能的，因此也创造了象棋博弈的智能系统。人工智能是计算机科学的一个分支。该领域涉及什么是智能以及如何创造智能的问题。

学习是智能系统的一个特征。因此，机器学习被认为是人工智能的一个分支，专注于研究和构建能够学习的系统。

先驱

能够从数据中学习以描述数据并预测未见数据的结果的算法对于解决复杂问题非常有用。因此，机器学习方法被用于应用计算机科学领域，如数据挖掘和数据科学。此外，人工智能领域还有与数据及其环境学习的智能方法相关的领域。例如，计算智能和启发式算法。

让我们回顾一下计算智能、数据挖掘和数据科学等相关领域，并了解机器学习方法的应用。

计算智能

计算智能领域致力于研究和构建易于指定但能产生复杂涌现行为的系统。许多计算智能系统受到自然系统的启发，例如进化、免疫系统和神经系统，用于进化计算、人工免疫系统和人工神经网络等子领域。计算智能是人工智能的一个分支。该领域涉及如何从简单的规则中推导出复杂的涌现行为以及它们最适合解决什么问题。

许多计算智能系统通过与环境的交互进行学习，因此被采纳为机器学习方法。

数据挖掘

数据挖掘是研究和构建从大型数据集中发现有趣关系的系统的学科。因此，数据挖掘涵盖了数据的存储和维护以及数据发现过程。数据挖掘是一个过程，也称为数据库知识发现（KDD）。数据挖掘是计算机科学的一个子领域。该领域涉及哪些关系是有趣的以及如何最好地发现它们的问题。

机器学习为数据挖掘过程提供了一套工具，用于学习数据中的关系，这些关系构成了发现的基础。

数据科学

数据科学领域致力于使用数据解决复杂问题的实用性。数据科学是计算机科学的一个子领域。数据科学是数据挖掘过程的应用以及在特定领域使用机器学习方法。数据科学家是数据科学的实践者。

与数据挖掘一样，机器学习为数据科学提供了用于学习数据中关系的一套工具，以便对数据进行描述或进行预测。

机器学习与数学（如决策理论和信息论）以及计算机科学（如运筹学和凸优化）的其他领域相关。

资源

如果您想深入了解，我链接了一些论文和书籍。

• Leo Breiman, 统计建模：两种文化, 2001
• Stuart Russell and Peter Norvig, 人工智能：一种现代方法, 2009
• Andries Engelbrecht, 计算智能：导论, 2007

您认为机器学习还与哪些领域密切相关？您对其中一个领域有更清晰的定义吗？请留言。