如何学如何使用数据挖掘或机器学习技术来发现这些数组之间的相似性或差异性，来分析关系和规律

学习如何使用数据挖掘或机器学习技术进行数据分析和建模，需要掌握以下基本知识：

1. 数据预处理：了解如何进行数据清洗、特征选择、特征提取等预处理操作，以提高数据质量和分析效果。

2. 数据可视化：学会如何使用可视化工具分析数据，发现数据间的关系和规律，例如散点图、直方图、热力图等。

3. 特征工程：学会如何选择和提取有意义的特征，以提高模型的准确度和效果。

4. 机器学习算法：学习各种机器学习算法的原理和应用场景，例如分类、回归、聚类、降维等。

5. 模型评估和优化：了解如何评估模型的准确度和效果，并学习如何对模型进行优化和改进。

建议你可以从以下几个方面入手学习：

1. 学习Python编程语言，Python有很多强大的数据分析和机器学习库，例如Numpy、Pandas、Scikit-learn等。

2. 学习统计学和数学知识，例如概率论、线性代数、微积分等，这些知识在机器学习中很常用。

3. 学习数据挖掘和机器学习的基本算法和应用场景，例如决策树、神经网络、支持向量机等。

4. 学习如何使用机器学习工具进行数据分析和建模，例如Jupyter Notebook、Google Colab等。

5. 参加机器学习相关的课程或培训班，例如Coursera、Udacity、edX等在线教育平台提供了很多优秀的机器学习课程。

希望这些建议可以帮助你更好地学习数据挖掘和机器学习技术，进一步发现这些数组之间的相似性或差异性，分析其关系和规律。