一般來說，模式識別是目的，識別出一種模式，比如兩個眼睛一個鼻子的是人臉的模式。如果不通過電腦，手工的通過計算來識別模式，也屬於模式識別。機器學習中的各種方法在模式識別中就用來達到這個目的。現在而言，機器學習中的大多數方法都是統計學習方法。但這不代表機器學習等同於統計學習。只是統計學習在現在的機器學習中佔了主流而已。模式識別相比較於機器學習，更強調對模式特徵的選擇，然後直接套用機器學習的方法。好的特徵往往可以得到好的識別結果。相對於資料探勘的兩大類問題：分類和迴歸。模式識別更強調分類。

一直有些困惑，計算機大大領先於人腦的計算速度，為什麼在模式識別這一方面被人遠遠的甩開？原因是思維的內部結構是邏輯，而邏輯是符號運算。在邏輯的結構下，可以直接從事學習，在假設空間中尋找最佳假設，而那假設空間是全部邏輯句子。這叫誘發式邏輯學習或關係學習。可以說關係學習就是機器學習也是模式識別的下一次革命的突破口。現在的計算機擅長的是數值計算，就好像想要登上月球，梯子建的再好也不行，還是得發明火藥。