机器学习基石1-5 ML & other fields

这一节课主要介绍了ML和一些其他相关领域的相似处以及区别。

（1）ML & Data Mining

从定义上看：

ML：通过学习的方式，计算出一个与目标函数f相似的假设g；

DM：从大量资料中找到有用的信息；

相似处：如果g即为“有用的信息”，则ML=DM；

如果g与“有用的信息”相关，则DM可以用于协助ML

相异处：ML可以通过一些小规模的数据实现，而DM通常要用到大规模数据，并常使用BDT（Big Data Tech）;

（2）ML & AI

从定义上看：

ML：通过学习的方式，计算出一个与目标函数f相似的假设g；

AI：让机器通过计算具备智能表现；

从定义上来说，ML和AI是类似的，ML可以成为AI的一种实现方式（当然AI有很多种实现方式）；

（3）ML & Statistics

从定义上看：

ML：通过学习的方式，计算出一个与目标函数f相似的假设g；

ST：使用已知的材料为未知的情况提供参考；

ST可以用于实现ML，实际上ML中许多的实现方法（如朴素贝叶斯）正是从ST借鉴而来的；

ST更注重数学上可以证明的结果，而ML更注重与计算机领域的过程.