? ? ? 大數據指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

? ? ? 機器學習(Machine Learning，ML)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。其專門研究計算機是怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構，使之不斷改善自身的性能。

? ? ? ? ? ? ? ? ? ??

? ? ? 大數據的核心是利用數據的價值，機器學習是利用數據價值的關鍵技術，對于大數據而言，機器學習是不可或缺的。相反，對于機器學習而言，越多的數據會越可能提升模型的精確性，同時，復雜的機器學習算法的計算時間也迫切需要分布式計算與內存計算這樣的關鍵技術。因此，機器學習的興盛也離不開大數據的幫助。大數據與機器學習兩者是互相促進，相依相存的關系。

? ? ? 機器學習與大數據緊密聯系。但是，必須清醒的認識到，大數據并不等同于機器學習，同理，機器學習也不等同于大數據。大數據中包含有分布式計算，內存數據庫，多維分析等等多種技術。單從分析方法來看，大數據也包含以下四種分析方法：
? ? ? 1.大數據，小分析：即數據倉庫領域的OLAP分析思路，也就是多維分析思想。
? ? ? 2.大數據，大分析：這個代表的就是數據挖掘與機器學習分析法。
? ? ? 3.流式分析：這個主要指的是事件驅動架構。
? ? ? 4.查詢分析：經典代表是NoSQL數據庫。

? ? ? 也就是說，機器學習僅僅是大數據分析中的一種而已。盡管機器學習的一些結果具有很大的魔力，在某種場合下是大數據價值最好的說明。但這并不代表機器學習是大數據下的唯一的分析方法。

? ? ? 傳統機器學習的問題主要包括如下4個方 面:1)理解并且模擬人類的學習過程;2)針對計算機系統和人類用戶之間的自然語言接口的研究;3)針對不完全的信息進行推理的能力,即自動規劃問題;4)構造可發現新事物的程序.

? ? ? ? ? ?? ? ? ? ??

? ? ? 機器學習跟模式識別，統計學習，數據挖掘，計算機視覺，語音識別，自然語言處理等領域有著很深的聯系。

? ? ? 從范圍上來說，機器學習跟模式識別，統計學習，數據挖掘是類似的，同時，機器學習與其他領域的處理技術的結合，形成了計算機視覺、語音識別、自然語言處理等交叉學科。因此，一般說數據挖掘時，可以等同于說機器學習。同時，我們平常所說的機器學習應用，應該是通用的，不僅僅局限在結構化數據，還有圖像，音頻等應用。

? ? ? 機器學習與大數據的結合產生了巨大的價值。基于機器學習技術的發展，數據能夠“預測”。對人類而言，積累的經驗越豐富，閱歷也廣泛，對未來的判斷越準確。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

? ? ? 成功的機器學習應用不是擁有最好的算法，而是擁有最多的數據!

在大數據的時代，有好多優勢促使機器學習能夠應用更廣泛。例如隨著物聯網和移動設備的發展，我們擁有的數據越來越多，種類也包括圖片、文本、視頻等非結構化數據，這使得機器學習模型可以獲得越來越多的數據。同時大數據技術中的分布式計算Map-Reduce使得機器學習的速度越來越快，可以更方便的使用。種種優勢使得在大數據時代，機器學習的優勢可以得到最佳的發揮。