人工智能、机器学习、数据挖掘、神经网络等学科的关系概述

机器学习：强调学习能力，机器在算法的指导下有一点的学习能力，比如神经网络，训练算法
统计分析：从统计的角度出发，发现系统的规律，比如线性回归等，不过神经网络也可以看作一种非线性回归。
数据挖掘：强调的是从一大堆数据里有价值的数据，比如最赚钱的信息，指标，比如，啤酒尿布要放一块，为了挖掘有价值的信息，当然所有方法都会用上。
神经网络：强调模拟生物神经系统，尤其是大脑的神经网络。比如：BP网络，竞争神经网络，等各种仿生的算法。神经网络的学习机制，收敛性质等都会讨论
人工智能：这个强调的是让机器象人一样聪明，方法就不限了，规则也罢，神经网络等仿生学也罢，都可以来为我所用

模式识别：强调训练和识别，比如图像里识别出一个人脸，识别出树木，背景，识别验证码，。。。使用各种学习算法，分类算法，比如神经网络，SVM，。。。

人工智能最大，内容同名字一样就是一个【科技领域】，致力于发展更加智能的机器和软件。

机器学习是【算法】的研究，致力于研究能够根据经验自动提高的算法。

神经网络是一种【模型】，和名字一样是模拟中央神经系统的一种数学模型，可以用于进行模式识别和机器学习。

统计分析是数据学和统计学的一部分，在机器学习中是一种【工具】。机器学习中有很多方法是运用统计理论来估计某一种probability estimator进而进行预测的。在统计和数据学家看来，机器学习就是计算机学家做统计。

数据挖掘和机器学习的区分是，数据挖掘问题一般都有巨大数据，尤其指计算效率比统计精度更加重要的问题，通常站在商业的角度；机器学习则更加偏向于人工智能的方面。

模式识别，是机器学习的一个领域，指的是把input贴上标签的过程（就是预测的过程）。在分类问题中就是把input分类，在regression中就是给进input给出实数值。