前几天听一个讲座，讲到‘模式识别’ ，刚好自己最近看机器学习的东西，
那么'模式识别'和’机器学习‘到底有什么区别呢？
网上看了一下说 模式识别是喂给机器已知特征，然后让机器去进行判断，而机器学习是喂给机器海量数据，
让机器自己去判断未知事物。什么鬼，搞不懂什么意思？
今天和实验室的小伙伴讨论了一下，感觉搞明白了。
举一个例子吧，笑脸识别，自动拍照：
假如我把嘴角上扬，牙齿微微露出，以及脸上的某块肌肉在动，定义成笑脸的特征。
模式识别干的事情就是：
我告诉机器具有这些特征的脸就是笑脸，否则不是笑脸，那么机器就对下一张脸进行
识别，检查下一张脸有没有那些特征，有的话就识别为笑脸，拍照，没有的话就不拍照。
机器学习干的事情就是：
我没有告诉机器笑脸的特征，只是给了机器很多，笑脸与非笑脸的照片，并告诉机器哪张是笑脸（有监督学习），哪张不是
笑脸（注意：这里并没有告诉机器笑脸的特征，仅仅告诉机器是不是笑脸），然后机器自己去挖掘笑脸和非笑脸的
特征，新的照片来了之后，机器可以判断是不是笑脸，决定拍不拍照。
再举一个例子吧，人脸识别，开门：
模式识别干的事情就是：
我先告诉机器，A同学脸的特征是大眼睛，长睫毛，樱桃嘴巴等等，当扫描人脸的时候，机器开始检查，这张脸
有没有那些特征，有的话，就开门，没的话就不开。
机器学习干的事情就是：
我给了机器很多照片，告诉，哪些是A同学的脸，哪些不是（supervised learning），机器就自己去找特征了，
（这里的特征只有机器自己知道），再来一张脸，机器就一句自己找到的特征去判断是不是A同学了。
总而言之，模式识别就是明确告诉了机器某些特征，而机器学习就是让机器自己去找特征，再去判断。