有道是“羅馬不是一天建成的”，機器學習的發展也是歷經了很長時間，在這過程中形成了五大流派，這五大流派各有各的特點。
1、符號主義（Symbolists）
名稱：符號主義（Symbolists）
起源：邏輯學、哲學
核心思想：認知即計算，通過對符號的演繹和逆演繹進行結果預測
問題：知識結構
代表算法：逆演繹算法（Inverse deduction）
代表應用：知識圖譜
代表人物：Tom Mitchell、Steve Muggleton、Ross Quinlan
2、貝葉斯派（Bayesians）
名稱：貝葉斯派（Bayesians）
起源：統計學
核心思想：主觀概率估計，發生概率修正，最優決策
問題：不確定性
代表算法：概率推理（Probabilistic inference）
代表應用：反垃圾郵件、概率預測
代表人物：David Heckerman、Judea Pearl、Michael Jordan
3、聯結主義（Connectionist）
名稱：聯結主義（Connectionist）
起源：神經科學
核心思想：對大腦進行仿真
問題：信度分配
代表算法：反向傳播算法（Backpropagation）、深度學習（Deep learning）
代表應用：機器視覺、語音識別
代表人物：Yann LeCun、Geoff Hinton、Yoshua Bengio
4、進化主義（Evolutionaries）
名稱：進化主義（Evolutionaries）
起源：進化生物學
核心思想：對進化進行模擬，使用遺傳算法和遺傳編程
問題：結構發現
代表算法：基因編程（Genetic programming）
代表應用：海星機器人
代表人物：John Koda、John Holland、Hod Lipson
5、行爲類比主義（Analogizer）
名稱：行爲類比主義（Analogizer）
起源：心理學
核心思想：新舊知識間的相似性
問題：相似性
代表算法：核機器（Kernel machines）、近鄰算法（Nearest Neightor）
代表應用：Netflix推薦系統
代表人物： Peter Hart、Vladimir Vapnik、Douglas Hofstadter
五大流派的演化階段
從20世紀80年代開始，機器學習五大流派不斷演化，各個階段都有相應的主導流派：
華盛頓大學教授 Pedro Domingos 曾詳細地對機器學習領域的五大流派進行了詳細的盤點，寫了34頁的PPT，各個流派的核心思想和演化過程進行了詳細的介紹
如果想要閱讀PPT的完整內容，請關注本人公衆號“大數據與人工智能Lab”（BigdataAILab），然後回覆“ppt”關鍵字可在線閱讀34頁PPT的詳細內容。
推薦相關閱讀