原创 机器学习与模式识别如何区分？两者有什么区别与联系？

随着人工智能在近些年的崛起，机器学习、模式识别这两个词也成为了热门词汇，频繁出现在大众眼前。虽然常常听说机器学习与模式识别，但是却很少有人能清楚地区别两者。本文就带大家充分了解机器学习和模式识别的概念、区别和联系。

一、概念

1、机器学习

机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

机器根据某一事物的海量样本，总结出这一类型事物所具有的普遍规律，总结过程所使用的技能就是我们常说的算法。当足够多的样本使得算法能够总结出一套行之有效的规律后，机器就可以用这些规律对真实世界中的事件做出决策和预测。

2、模式识别

模式识别从十九世纪五十年代兴起，在二十世纪七八十年代风靡一时，是信息科学和人工智能的重要组成部分，主要被应用于图像分析与处理、语音识别、声音分类、通信、计算机辅助诊断、数据挖掘等方面。模式识别系统过程：特征提取与选择；训练学习；分类识别。例如人类见到一个东西之后，通常就会下意识地给其归类：是动物还是植物，属于哪一门纲目属科，是否可以药用，有果实吗，花朵是否漂亮，是否有毒……这一大串归类构成了人们对于这种事物的整体认知。这就属于人类对于模式的识别，这种技能对于人们甚至是一些动物来说，是非常简单而且几乎是与生俱来的。

二、区别

1、发展趋势不同

从发展史上来讲，这对孪生兄弟都是人工智能历史中辉煌一时的流派。其中模式识别可以归入人工智能领域的元老级别。尽管模式识别看起来很高大上，而且也有了较长时间的应用，但是其效果似乎总是差强人意。似乎已经有些过气的征兆，正在慢慢没落消亡。而机器学习则是人工智能领域最基础也是人气最高的天王级选手。

2、应用范围不同

机器学习目前是在狭义的人工智能领域走得比较快，但是广度还是模式识广。模式识别在很多经典领域，如信号处理，计算机图像与计算机视觉，自然语言分析等都不断有新发展。

3、判断重点不同

机器学习根据样本训练模型，如训练好的神经网络是一个针对特定分类问题的模型；重点在于“学习”，训练模型的过程就是学习；机器学习的落脚点是思考。机器学习侧重于在特征不明确的情况下，用某种具有普适性的算法给定分类规则。而机器学习的概念可以类比聚类分析（聚类本身就是一种典型的机器学习方法），对“类”的严格定义尚不明确，更谈不上检验。

模式识别是根据已有的特征，通过参数或者非参数的方法给定模型中的参数，从而达到判别目的的。学过多元统计的可以这样理解：模式识别的概念可以类比判别分析，是确定的，可检验的，有统计背景的（或者更进一步说有机理性基础理论背景）。

三、联系

模式识别与机器学习的著作内容重合，应该这么看：

首先算法是中性的，两个不同的学科领域关键看思维。如神经网络的应用，如果通过具体学科，如生物学的机理分析是明确了某种昆虫的基因型应该分为两类，同时确定了其差异性的基因是会表现在触角长和翅长两个表现型的话，那么构造两个（触角长，翅长）——（隐含层）——（A类，B类）的网络可以看作对已有学科知识的表达，只是通过网络刻画已有知识而已；而机器学习的思路是：采样，发现两类品种差异最大的特征是触角长和翅长（可能会用到诸如KS检验之类的方法），然后按照给定的类目：两类来构造神经网络进行分类；同一个算法，两个学科是两种思路；其次模式识别在人工智能上的前沿成果已经慢慢被机器学习取代，所以很多以AI为导向的模式识别书记包含了很多机器学习的算法也正常，毕竟很多新成果是机器学习做出的。

尽管新的技术会不断占领潮流，但是这并不意味着旧有技术已经过时。在人工智能领域，模式识别虽然已经逐渐式微，但是它依旧有其独特的作用。例如在一些简单的色彩识别领域，参数维度相对单一，界定也相对明显，如果用大数据去建模计算，无疑是一种大才小用。闻道有先后，术业有专攻——不同的算法，可以在不同领域发挥各自的效用。

可以看出，模式识别重点是根据已有的刻画好的明确特征，通过训练达到判别目的；机器学习侧重于在特征不明确的情况下，通过学习来确定模型。当然，现在已经不需要去刻意区分它们，模式识别多是一个工业界的概念，机器学习则流行于学术界，经典书籍Pattern Recognition and Machine Learning则不区分它们，模式识别可认为是早期的机器学习。

综上所述，机器学习与模式识别是很好区分的，前者是通过海量样本发现特征去判断事物，后者是设置特征描述让机器判断事物。然而两者也不是完全对立的，它们既有区别又有联系，都为人工智能的发展贡献了重要力量。