数据挖掘（Data Mining）与机器学习（Machine Learning）可以说是当今热门技术，它们在帮助企业分析其所收集的数据方面发挥着不可替代的作用，但他们之间也存在一些显著的区别。
数据挖掘的目标是发现潜在的非明显的规律，可以使企业有更好的了解顾客的需求，并从中提出有效的决策，从而提高市场竞争力和效率。它通过分析数据，找出有价值的结论。它主要是使用统计方法，以及基于规则的算法，如决策树和神经网络来挖掘有用信息，而不需要人工干预。
机器学习是一门让计算机学习任务的机制，它主要解决模式识别、预测回归等问题，它可以让计算机自行探索、学习数据，而不需要人们事先编写程序。机器学习显然有多种不同的应用，比如自然语言处理、计算机视觉等，它可以识别文本中的情绪，从图像中提取特征等，它还可以解决传统上认为不可解决的模式识别问题，它经常被用于自动驾驶、智能导航、识别音乐情绪等应用中。
总而言之，数据挖掘主要用于发现有价值的结论和规律，并且需要统计方法与 基于规则的算法来挖掘有用数据，但不需要人工干预; 而机器学习可以使计算机自行探索、学习数据，可以用于完成诸如自然语言处理、计算机视觉等的任务。
