數據挖掘與機器學習的區別是什么？

數據挖掘側發現知識，機器學習側重認識事物，兩者相輔相成。

數據挖據和機器學習是處理數據的兩個步驟。

數據挖據提供數據管理技術，機器學習提供數據分析處理技術。

舉個簡單的例子，馬云想知道在淘寶里什么用戶喜歡買些什么。

首先分析這個問題，要分用戶、類別產品類別進行信息采集。并不是所有的淘寶購買信息都要，只要用戶的年齡、性別和購買物品的類別以及收藏欄和購物車這些信息。那么這時，用戶購買的時間、用戶購買時付的費用這些都是無關數據。

這時候就要用到數據挖掘技術了，常用的數據挖據方法是爬蟲（這里提醒廣大用戶，爬蟲需要兼顧道德和法律責任，酌情使用）。淘寶自己則不用爬蟲，直接運用數據挖掘技術在海量的數據里提取上文說的所需要的信息，這是一個復雜并且漫長的過程。

當所需要的年齡、性別、以及購物類別數據采集完成并分類完成。這時候就需要神經網絡來工作了，根據數據分類選擇神經網絡的種類，并優選網絡節點、函數，設定閾值，最后開始訓練。最后就得到馬云想知道的東西了。

綜上所述，數據挖掘側發現知識，機器學習側重認識事物，兩者相輔相成。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！