统计建模和机器学习建模都可以用于数据分析、数据挖掘，不同的是统计建模基于传统的统计学方法，如回归分析、聚类分析、主成分分析等，偏重于对于已知现象或者数据的描述，而机器学习建模虽然也基于统计学，但是更偏重于对于未知现象或者数据的预测，对于数据量大小有一定要求。
统计建模统计建模是指以统计学知识进行建模，常用的统计学知识有：参数估计、假设检验、方差分析、回归分析、时间序列、聚类分析、主成分分析及因子分析等，具体如下图所示。
机器学习建模机器学习建模指以机器学习算法进行建模，常用的机器学习算法有：K近邻算法、决策树、逻辑回归、SVM、随机森林、聚类分析、关联分析等，实现这些算法的语言有Python和R。具体如下图所示。
数学基础不论是统计建模，还是机器学习建模，都需要有良好的数学基础，主要就是微积分、线性代数、概率论这三块。
回答完毕！欢迎关注【数据科学孙斌】，分享数据科学相关的知识！