（七）機器學(xué)習(xí)覆蓋的范圍

從范圍上來說，機器學(xué)習(xí)跟模式識別，統(tǒng)計學(xué)習(xí)，數(shù)據(jù)挖掘是類似的，同時，機器學(xué)習(xí)與其他領(lǐng)域的處理技術(shù)的結(jié)合，形成了計算機視覺、語音識別、自然語言處理等交叉學(xué)科。因此，一般說數(shù)據(jù)挖掘時，可以等同于說機器學(xué)習(xí)。同時，我們平常所說的機器學(xué)習(xí)應(yīng)用，應(yīng)該是通用的，不僅僅局限在結(jié)構(gòu)化數(shù)據(jù)，還有圖像，音頻等應(yīng)用。

（1）模式識別

模式識別＝機器學(xué)習(xí)。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(xué)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(xué)習(xí)來自于計算機學(xué)科。不過，它們中的活動可以被視為同一個領(lǐng)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(shù)據(jù)挖掘

數(shù)據(jù)挖掘＝機器學(xué)習(xí)＋數(shù)據(jù)庫。數(shù)據(jù)挖掘僅僅是一種方式，不是所有的數(shù)據(jù)都具有價值，數(shù)據(jù)挖掘思維方式才是關(guān)鍵，加上對數(shù)據(jù)深刻的認識，這樣才可能從數(shù)據(jù)中導(dǎo)出模式指引業(yè)務(wù)的改善。大部分數(shù)據(jù)挖掘中的算法是機器學(xué)習(xí)的算法在數(shù)據(jù)庫中的優(yōu)化。

（3）統(tǒng)計學(xué)習(xí)

統(tǒng)計學(xué)習(xí)近似等于機器學(xué)習(xí)。統(tǒng)計學(xué)習(xí)是個與機器學(xué)習(xí)高度重疊的學(xué)科。因為機器學(xué)中的大多數(shù)方法來自統(tǒng)計學(xué)，甚至可以認為，統(tǒng)計學(xué)的發(fā)展促進機器學(xué)習(xí)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(xué)科。兩者的區(qū)別在于：統(tǒng)計學(xué)習(xí)者重點關(guān)注的是統(tǒng)計模型的發(fā)展與優(yōu)化，偏數(shù)學(xué)，而機器學(xué)習(xí)者更關(guān)注的是能夠解決問題，偏實踐，因此機器學(xué)習(xí)研究者會重點研究學(xué)習(xí)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(xué)習(xí)。圖像處理技術(shù)用于將圖像處理為適合進入機器學(xué)模型中的輸入，機器學(xué)習(xí)則負責(zé)從圖像中識別出相關(guān)的模式。計算機視覺相關(guān)的應(yīng)用非常的多，例如百度識圖、手寫字符識別、車牌識別等等應(yīng)用。這個領(lǐng)域?qū)⑹俏磥硌芯康臒衢T方向。隨著機器學(xué)習(xí)的新領(lǐng)域深度學(xué)習(xí)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(xué)習(xí)。語音識別就是音頻處理技術(shù)與機器學(xué)習(xí)的結(jié)合。語音識別技術(shù)一般不會單獨使用，一般會結(jié)合自然語言處理的相關(guān)技術(shù)。目前的相關(guān)應(yīng)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(xué)習(xí)。自然語言處理技術(shù)主要是讓機器理解人類的語言的一門領(lǐng)域。在自然語言處理技術(shù)中，大量使用了編譯原理相關(guān)的技術(shù)，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(xué)習(xí)等技術(shù)。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(xué)習(xí)界不斷研究的方向。

圖24   機器學(xué)習(xí)覆蓋的范圍