首先搞懂什么是数据挖掘和机器学习
数据挖掘是从海量数据中，有选择性的处理，利用包括但不限于机器学习中常用的方法，来找到一种可以更好地解决实际问题的模式。
数据挖掘的过程中数据选择和处理如同怎样更好的运用它们一样重要。
机器学习是利用数理统计，概率论等多个学科的知识来研究出解决某种问题的方法或机制，为这些方法在实际中应用提供理论证明，同时研究如何进一步优化这些方法和开发出新的方法。
这些方法大多借鉴了人类的大脑结构和思维习惯，常见的有SVM，神经网络，贝叶斯分类以及决策树等。
机器学习和数据挖掘的区别及联系
区别：
机器学习注重相关机器学习算法的理论研究和算法提升（理论和学术）。
数据挖掘注重运用算法或者其他某种模式解决实际问题（实践和运用）。
联系：机器学习为数据挖掘提供解决实际问题的方法，数据挖掘中算法的成功应用，说明了机器学习对算法的研究具有实际运用价值
