不同於模式識別中人類主動去描述某些特徵給機器，機器學習可以這樣理解：機器從已知的經驗資料（樣本）中，通過某種特定的方法（演算法），自己去尋找提煉（訓練/學習）出一些規律（模型）；提煉出的規律就可以用來判斷一些未知的事情（**）。
也就是說，模式識別和機器學習的區別在於：前者餵給機器的是各種特徵描述，從而讓機器對未知的事物進行判斷；後者餵給機器的是某一事物的海量樣本，讓機器通過樣本來自己發現特徵，最後去判斷某些未知的事物。
機器根據某一事物的海量樣本，總結出這一型別事物所具有的普遍規律，總結過程所使用的技能就是我們常說的演算法。當足夠多的樣本使得演算法能夠總結出一套行之有效的規律後，機器就可以用這些規律對真實世界中的事件做出決策和**。
比如，機器通過一百萬個單身狗的樣本，總結出了單身狗所具有的一些屬性。當下次再給乙個樣本時，機器就可以很快判斷出這個樣本究竟是不是單身狗。
例如年齡的數字，身高的數字，膚色的rgb，學識的等級，還有掌握的其他技能例如撒嬌、體貼、男子力、女子力，性格的歸類，社交程度的評價等等。
但是，最重要的乙個引數就是臉，嗯，沒錯，就是我們常說的顏值。
值得一提的是，在機器學習中，儘管電腦可以自行通過樣本總結規律，但是依舊需要人工干預來為其提供規律總結的方向以及維度。例如色彩識別需要統計色彩的rgb或者cmyk值，但是要想總結出單身狗的特質，需要統計的就不僅僅是一兩個簡單的維度了。
在機器學習領域有著許多不同的流派，不同流派間的演算法與建構的模型也是千差萬別。就像是在武林江湖中，大家都有一技之能傍身，有人是內功修行，有人是外在技術修行，雖然都是一等一的高手，但是降龍十八掌和獨孤九劍則代表了不同的武學巔峰。
模式識別 機器學習的區別和聯絡
先上一張圖看看 模式識別 自己建立模型刻畫已有的特徵，樣本是用於估計模型中的引數。模式識別的落腳點是感知 模式識別是70年代和80年代非常流行的乙個術語。它強調的是如何讓乙個電腦程式去做一些看起來很 智慧型 的事情，例如識別 3 這個數字。而且在融入了很多的智慧型和直覺後，人們也的確構建了這樣的乙個...
模式識別 模式識別的概述（一）
模式和模式識別的概念 模式識別的發展簡史和應用 模式識別的主要方法 模式識別的系統和例項 幾個相關的數學概念 廣義地說，存在於時間和空間中可觀察的事物，如果我們可以區別他們是否相同或是否相似，都可以稱之為模式。模式所指的不是事物本身，而是從事物獲得的資訊，因此，模式往往表現為具有時間和空間分布的資訊...
《模式識別和機器學習》資源
作者主頁 prml作者christopher m.bishop發布的樣章 勘誤 習題答案 講義等資料，參考書是經典的 pattern recognition and machine learning by chris bishop springer 2006 and probabilistic gr...