统计与机器学习发展的三条主线(一)

今天在这里简单谈谈统计与机器学习发展的三条主线。第一，为什么我们要找主线，答案很简单，如果没有主线的话，我们学习一个东西就困难很多。举个例子来说，微积分的主线是什么，那么大家都知道，刚开始牛顿和莱布尼兹搞出来微积分了，但是呢，有很多积分是无法安装牛顿那一套来计算的，所以后面勒贝格为了解决一些积分无法计算的问题，又提出了勒贝格积分，也就是现在的实变函数了，大数学家黎曼为了解决微积分在复数上的运算，又发展出来了复变函数。所以呢，这样看来，我们就逐渐明白了，大学里边学的三门课，高等数学，复变函数，实变函数就是沿着微积分发展的主线而来。再如一个，大学里边会学习近世代数，或者叫抽象代数，一上来就讨论群，换，域，商等各种概念，那么大家听的是一脸蒙，不知道为啥要讨论这些概念。到后面随着我们知识的积累，那么我们逐渐就明白了，原来这些是为了求解方程的根，由数学家伽罗瓦提出的一些理论，逐渐也就理解了，所以前面的这些例子就是为了说明我们要知道一门学科的主线，如果不清楚主线，那么我们学习起来就很费劲，而且老是理解不了核心思想。那么这篇博客的作用就是给大家介绍一下机器学习这门课的主线。当然这是我自己看书逐渐总结的，难免会有一定的局限性，我也欢迎大家随时留言提出，我们一起讨论可好。

谈到机器学习呢，大家马上想到的就是分类，聚类，或者是神经网络，支持向量机，决策树，梯度提升树，深度学习等等