本文简要介绍了机器学习的历史，从1980s-1990s的符号机器学习到1990s至今的统计机器学习。统计机器学习因其对实际问题的解决能力而逐渐成为主流，但面临着样本数据独立同分布的假设挑战。作者讨论了机器学习的未来趋势，并指出深度学习的热潮可能部分源于硬件进步。了解这些历史和变革，有助于深化对机器学习基本概念的理解。
下面为我所吸纳的西瓜书内的知识：
1980s-1990s 符号机器学习是主流研究派系（西瓜书没有介绍，但是我字面臆测，可能就是给所有逻辑语言或者是事件，加上一个符号标记，然后通过对符号的适应学习，从而能够对对应的逻辑事件进行学习，纯属臆测，如有雷同，纯属我TM运气好（niu bi ））
1990s-nowadays 统计机器学习是主流研究派系
统计机器学习因为是对已经存在的一些数据进行归纳，所以比起符号，更符合和贴近现实，所以算是把机器学习从纯粹的理论研究和模型研究发展到以解决现实生活中实际问题为目的的应用研究 。所以才会出现现在社会上，最近几年，人工智能很大程度集中于 统计学和大数据！
那么问题来了，只有这么多机器学习流派吗？
小明答：肯定不止，我只归纳了这两个，也算是带有跨时代的意义的两个！
那么问题又来了，这两个流派到底谁更好，符号机器学习有可能会东山再起吗？
小明答： 王珏教授曾经说过：“统计机器学习不会一帆风顺”他会盛“螺旋型上升趋势”。因为统计机器学习算法都是基于样本数据独立同分布假设的
最低0.47元/天 解锁文章
8万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
