数据挖掘的前端是数据收集，清洗和处理等，和大数据有关，都涉及数据仓库等内容，但机器学习并不关心这些，也就是说数据这种原材料对机器学习来说应该要事先准备好了，机器学习更加注重学习问题，努力像人类一样学习知识，理解世界 。它们最大的区别是：数据挖掘注重挖掘数据中的规律和知识，但不关心数据为什么会产生这些规律和知识，也就说你只看到表象，并不知道本质原因 。
【数据挖掘的十大经典算法,什么是数据挖掘论文】而机器学习恰恰相反，机器学习更加注重学习数据的生成机制，即数据究竟由什么概率模型生成的 。有时机器学习也叫统计学习就是这个原因 。数据的生成机制出来了，那么数据中的规律自然而然就知道了 。正是因为机器学习注重数据的生成机制学习，产生大量的研究内容，发展出核机器，极大似然估计，最大熵模型，最大后验估计，期望最大化算法，高斯过程，概率图模型，变分推理等工具 。
推荐阅读
- 中考半命题作文,感人的一幕作文怎么写
- 负债经营的优缺点,什么是负债经营
- 您的漫画宝藏库,琵琶行的双线索是什么
- 关于读书的作文,张载认为读书的目的是什么
- 比较好做的机械毕业设计,机械毕业设计怎么做
- 为什么深色的金毛贵,血统纯正的金毛和普通的金毛
- 法国斗牛犬明明就很可爱为什么相对来说养的人不多,斗牛犬为什么喘
- 猫怎么放养,猫咪放养和圈养的区别是什么
- 如果金毛出现这样的举动,金毛为什么尾巴一直向下垂
- 三个月的小奶狗都要吃什么,半月奶狗吃多少