区别如下：机器学习是一种涉及数据分析和预测的技术，它通过训练模型来识别数据中的模式并进行决策。而模式识别则是机器学习的一个分支，主要关注识别和分类特定的模式或结构。两者在某些方面重叠但又有所区别。下面进行详细解释。
机器学习的主要目的是利用数据和算法，从大量数据中学习并建立模型。通过学习到的模型，可以对未知数据进行预测和分析。这个过程可以涵盖数据的预处理、特征提取、模型训练等多个步骤。机器学习算法广泛应用于各种领域，包括金融预测、自然语言处理、图像处理等。因此，机器学习更多地是一种方法论，关注从数据中自动学习和改进模型的性能。
模式识别则是机器学习中关于识别和分类模式的特定领域。它关注的是识别出输入数据中的特定结构或模式，并将其归类到不同的类别中。例如，在图像识别中，模式识别算法可以识别出图像中的对象并将其归类为特定的类别。此外，在语音识别、生物识别等领域也广泛应用模式识别技术。因此，模式识别更侧重于对特定模式的识别和分类任务。
至于教材中所提到的算法差异，实际上两者在很多情况下会使用相似的算法和技术。例如，在机器学习中常用的决策树、神经网络等算法，在模式识别中也会得到应用。但是，由于两者的关注点和应用场景有所不同，因此在算法的选择和优化上可能存在差异。
综上所述，机器学习和模式识别虽然有密切的联系和交叉点，但它们在研究和应用领域上还是存在一些差异。机器学习是一种更广泛的方法论，关注从数据中自动学习和改进模型性能；而模式识别则更侧重于对特定模式的识别和分类任务。
详情