1、数据挖掘与机器学习的关系
数据挖掘和机器学习这两项技术的关系非常密切。
机器学习方法构成数据挖掘的核心，绝大多数数据挖掘技术都来自机器学习领域，数据挖掘又向机器学习提出新的要求和任务。
2、数据挖掘与机器学习的概念
数据挖掘就是在数据中寻找模式的过程，这个寻找过程必须是自动的或半自动的，并且数据总量应该是具有相当大的规模，从中发现的模式必须有意义并能产生一定的效益。通常数据挖掘需要分析数据库中的数据来解决问题，如：客户忠诚度分析、市场购物篮分析等等。这些海量数据不可能采用手工式进行处理，因此，迫切要求能进行数据分析的自动化方法，这些都是机器学习提供。
机器学习定义为能够自动寻找数据中的模式的一套方法。
机器学习分为两种主要类型：
1）有监督学习，或称为预测学习，其目标是在给定一系列输入输出实例所构成的数据集的条件下，学习输入x到输出y的映射关系。这里的数据集称为训练集，实例的个数称为训练样本数。对于给定的x，有监督学习可以对所视察到的值与预测的值进行比较。
2）无监督学习，或称为描述学习，在给定一系列仅由输入实例构成的数据集的条件下，其目标是发现数据中的有趣模式。无监督学习有时候也称为只是发现，这类问题并没有明确定义，因为我们不知道需要寻找什么样的模式，也没有明显的误差度量可供使用。