数据挖掘侧发现知识，机器学习侧重认识事物，两者相辅相成。
数据挖据和机器学习是处理数据的两个步骤。
数据挖据提供数据管理技术，机器学习提供数据分析处理技术。
举个简单的例子，马云想知道在淘宝里什么用户喜欢买些什么。
首先分析这个问题，要分用户、类别产品类别进行信息采集。并不是所有的淘宝购买信息都要，只要用户的年龄、性别和购买物品的类别以及收藏栏和购物车这些信息。那么这时，用户购买的时间、用户购买时付的费用这些都是无关数据。
这时候就要用到数据挖掘技术了，常用的数据挖据方法是爬虫（这里提醒广大用户，爬虫需要兼顾道德和法律责任，酌情使用）。淘宝自己则不用爬虫，直接运用数据挖掘技术在海量的数据里提取上文说的所需要的信息，这是一个复杂并且漫长的过程。
当所需要的年龄、性别、以及购物类别数据采集完成并分类完成。这时候就需要神经网络来工作了，根据数据分类选择神经网络的种类，并优选网络节点、函数，设定阈值，最后开始训练。最后就得到马云想知道的东西了。
综上所述，数据挖掘侧发现知识，机器学习侧重认识事物，两者相辅相成。
