有道是“罗马不是一天建成的”，机器学习的发展也是历经了很长时间，在这过程中形成了五大流派，这五大流派各有各的特点。
1、符号主义（Symbolists）
名称：符号主义（Symbolists）
起源：逻辑学、哲学
核心思想：认知即计算，通过对符号的演绎和逆演绎进行结果预测
问题：知识结构
代表算法：逆演绎算法（Inverse deduction）
代表应用：知识图谱
代表人物：Tom Mitchell、Steve Muggleton、Ross Quinlan
2、贝叶斯派（Bayesians）
名称：贝叶斯派（Bayesians）
起源：统计学
核心思想：主观概率估计，发生概率修正，最优决策
问题：不确定性
代表算法：概率推理（Probabilistic inference）
代表应用：反垃圾邮件、概率预测
代表人物：David Heckerman、Judea Pearl、Michael Jordan
3、联结主义（Connectionist）
名称：联结主义（Connectionist）
起源：神经科学
核心思想：对大脑进行仿真
问题：信度分配
代表算法：反向传播算法（Backpropagation）、深度学习（Deep learning）
代表应用：机器视觉、语音识别
代表人物：Yann LeCun、Geoff Hinton、Yoshua Bengio
4、进化主义（Evolutionaries）
名称：进化主义（Evolutionaries）
起源：进化生物学
核心思想：对进化进行模拟，使用遗传算法和遗传编程
问题：结构发现
代表算法：基因编程（Genetic programming）
代表应用：海星机器人
代表人物：John Koda、John Holland、Hod Lipson
5、行为类比主义（Analogizer）
名称：行为类比主义（Analogizer）
起源：心理学
核心思想：新旧知识间的相似性
问题：相似性
代表算法：核机器（Kernel machines）、近邻算法（Nearest Neightor）
代表应用：Netflix推荐系统
代表人物： Peter Hart、Vladimir Vapnik、Douglas Hofstadter
五大流派的演化阶段
从20世纪80年代开始，机器学习五大流派不断演化，各个阶段都有相应的主导流派：
华盛顿大学教授 Pedro Domingos 曾详细地对机器学习领域的五大流派进行了详细的盘点，写了34页的PPT，各个流派的核心思想和演化过程进行了详细的介绍
如果想要阅读PPT的完整内容，请关注本人公众号“大数据与人工智能Lab”（BigdataAILab），然后回复“ppt”关键字可在线阅读34页PPT的详细内容。
推荐相关阅读
- 大话卷积神经网络（CNN）
- 大话循环神经网络（RNN）
- 大话深度残差网络（DRN）
- 大话深度信念网络（DBN）
- 大话CNN经典模型：LeNet
- 大话CNN经典模型：AlexNet
- 大话CNN经典模型：VGGNet
- 大话CNN经典模型：GoogLeNet
- 浅说“迁移学习”
- 什么是“强化学习”
- AlphaGo算法原理浅析
- 大数据究竟有多少个V
- Apache Hadoop 2.8 完全分布式集群搭建超详细教程
- Apache Hive 2.1.1 安装配置超详细教程
- Apache HBase 1.2.6 完全分布式集群搭建超详细教程
- 离线安装Cloudera Manager 5和CDH5（最新版5.13.0）超详细教程
