我是这个领域的新手。
在我的图像中
数据挖掘意味着从数据模型中检索有用的信息。机器学习旨在识别数据中的行为模式，并根据观察到的模式建立各种模型。
此外，数据挖掘通常被认为是机器学习的一个子领域。
数据挖掘通常只涉及解释数据(例如，根据主题对报纸文章进行分类，或根据读者的合适年龄对书籍进行分类)。它是机器学习的一部分，给出原始数据，然后使用机器学习方法提取一些有意义的信息。
一般来说，机器学习可以有更多的步骤，而不仅仅是解释数据。开发机器学习技术的程序也可以根据从数据中"学到"的知识采取行动，例如，一个程序给出了一堆跳棋游戏的例子，并在此基础上能够玩游戏(很好)，从这些例子-数据中"学习"，现在可以解释新的(类似的数据)并根据采取行动。这些术语的定义不太严格，但基本上我认为你说的是对的。机器学习涉及算法识别和处理，而数据挖掘意味着应用于固定数据的更静态的算法。机器学习的输出当然是信息，但也是通过这个过程确定的新算法。数据挖掘寻求对数据应用预先存在的算法。