AI：人工智能概念之机器学习ML、深度学习DL、数据挖掘、知识发现、模式识别等重要领域之间比较关系结构图之详细攻略
目录
参考文章：《2019.12人工智能发展报告(清华)，人工智能十三大领域总结，中国工程院知识智能研究中心》
AI与ML、DL的概念AI：使计算机模仿人类智能的任何技术。
ML：人工智能的子集。机器利用统计技术随经验逐步提升完成任务的能力。
- 特征提取(人工)+分类(算法)
DL：机器学习的子集。使用多层神经网络和海量数据的算法，使软件经过训练完成任务，如语音和图像识别。
- 端到端：特征提取(算法)+分类(算法)
1、机器学习相关概念的辨识
普遍认为，机器学习（Machine Learning，常简称为ML）的处理系统和算法是主要通过找出数据里隐藏的模式进而做出预测的识别模式，它是人工智能（Artificial Intelligence，常简称为AI）的一个重要子领域，而人工智能又与更广泛的数据挖掘（Data Mining，常简称为DM）和知识发现（Knowledge Discovery in Database，常简称为KDD）领域相交叉。
为了更好的理解和区分人工智能（Artificial Intelligence）、机器学习（Machine Leaning）、数据挖掘（Data Mining）、模式识别（Pattern Recognition）、统计（Statistics）、神经计算（Neuro Computing）、数据库（Databases）、知识发现（KDD）等概念，特绘制其交叉关系如下图所示
2、机器学习基本过程
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。其过程可以用下图简单表示
AI与ML、DL的结构关系图