（七）機器學習覆蓋的范圍

從范圍上來說，機器學習跟模式識別，統(tǒng)計學習，數據挖掘是類似的，同時，機器學習與其他領域的處理技術的結合，形成了計算機視覺、語音識別、自然語言處理等交叉學科。因此，一般說數據挖掘時，可以等同于說機器學習。同時，我們平常所說的機器學習應用，應該是通用的，不僅僅局限在結構化數據，還有圖像，音頻等應用。

（1）模式識別

模式識別＝機器學習。兩者的主要區(qū)別在于前者是從工業(yè)界發(fā)展起來的概念，后者則主要源自計算機學科。在著名的《Pattern Recognition And Machine Learning》這本書中，Christopher M． Bishop在開頭是這樣說的：“模式識別源自工業(yè)界，而機器學習來自于計算機學科。不過，它們中的活動可以被視為同一個領域的兩個方面，同時在過去的十年間，它們都有了長足的發(fā)展”。

（2）數據挖掘

數據挖掘＝機器學習＋數據庫。數據挖掘僅僅是一種方式，不是所有的數據都具有價值，數據挖掘思維方式才是關鍵，加上對數據深刻的認識，這樣才可能從數據中導出模式指引業(yè)務的改善。大部分數據挖掘中的算法是機器學習的算法在數據庫中的優(yōu)化。

（3）統(tǒng)計學習

統(tǒng)計學習近似等于機器學習。統(tǒng)計學習是個與機器學習高度重疊的學科。因為機器學中的大多數方法來自統(tǒng)計學，甚至可以認為，統(tǒng)計學的發(fā)展促進機器學習的繁榮昌盛。例如著名的支持向量機算法，就是源自統(tǒng)計學科。兩者的區(qū)別在于：統(tǒng)計學習者重點關注的是統(tǒng)計模型的發(fā)展與優(yōu)化，偏數學，而機器學習者更關注的是能夠解決問題，偏實踐，因此機器學習研究者會重點研究學習算法在計算機上執(zhí)行的效率與準確性的提升。

（4）計算機視覺

計算機視覺＝圖像處理＋機器學習。圖像處理技術用于將圖像處理為適合進入機器學模型中的輸入，機器學習則負責從圖像中識別出相關的模式。計算機視覺相關的應用非常的多，例如百度識圖、手寫字符識別、車牌識別等等應用。這個領域將是未來研究的熱門方向。隨著機器學習的新領域深度學習的發(fā)展，大大促進了計算機圖像識別的效果，因此未來計算機視覺界的發(fā)展前景不可估量。

（5）語音識別

語音識別＝語音處理＋機器學習。語音識別就是音頻處理技術與機器學習的結合。語音識別技術一般不會單獨使用，一般會結合自然語言處理的相關技術。目前的相關應用有蘋果的語音助手siri等。

（6）自然語言處理

自然語言處理＝文本處理＋機器學習。自然語言處理技術主要是讓機器理解人類的語言的一門領域。在自然語言處理技術中，大量使用了編譯原理相關的技術，例如詞法分析，語法分析等等，除此之外，在理解這個層面，則使用了語義理解，機器學習等技術。作為唯一由人類自身創(chuàng)造的符號，自然語言處理一直是機器學習界不斷研究的方向。

圖24   機器學習覆蓋的范圍