机器学习发展历史（符号学习、统计机器学习、深度学习）

到目前为止，人工智能可以划分为三个阶段：早期的符号学习、九十年代开始的统计机器学习、近年兴起的深度学习。

人工智能早期，机器学习的技术几乎全是符号学习。符号学习的概念很简单，就是用一些特定的符号来表示现实的事物或者观念，例如用汉字“苹果”来表示现实中的苹果，这些符号代表的意义是约定俗成的，一个完全空白的人是需要通过学习才能将符号和现实事物建立联系。而且符号不只是字符还可以是图片、图表等。

 

对于统计机器学习，用一句话概括，统计机器学习是基于对数据的初步认识以及学习目的的分析，选择合适的数学模型，拟定超参数，并输入样本数据，依据一定的策略，运用合适的学习算法对模型进行训练，最后运用训练好的模型对数据进行分析预测。学习流程如下：

关于统计机器学习更详细的的内容请参考：https://blog.csdn.net/slx_share/article/details/79960635

 

深度机器学习在理论和技术方面并没有太多的创新，只是因为现在计算能力的大幅提高，使得人们可以使用比以前更加精确的方法进行计算，从而得到更好的结果，目前深度学习主要适合于神经网络