因为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。

他们分别是：

        - 符号主义

        - 贝叶斯派

        - 联结主义

        - 进化主义

        - 行为类推主义

又称为逻辑主义、心理学派或计算机学派。原因就是它的起源是：逻辑学、哲学。

专家系统就是这个学说的代表性成果。

符号主义流派认为：

• 信息可以用符号来表示

• 符号可以通过显式的规则（比如逻辑运算）来操作

例如，有一个为了模仿小鸭子构建的符号 AI：

这个AI就会使用“球体”、“圆柱体”和“立方体”等符号来表示物理对象，然后使用“红色”、“蓝色”和“绿色”等符号来表示颜色 ，和“小”和“大”的大小。

 符号 AI 把这些符号存储在知识库里面。注意： 知识库还会有一个通用规则，意思就是如果有两个对象有相同的大小、颜色或形状，那么它们是相似的。

（下图的例子是苹果：第一层符号：树，身体，树干，果实。第二层：圆形，10cm，红色）

贝叶斯定理（英语：Bayes' theorem）是概率论中的一个定理。

描述在已知一些条件下，某事件的发生概率。

比如，如果已知某人妈妈得癌症的概率与寿命有关，使用贝叶斯定理，就可以通过得知某人年龄，来更加准确地计算出他妈妈会不会患癌症的概率。

贝叶斯学习已经被应用于许多领域。例如，自然语言中的情感分类、自动驾驶和垃圾邮件过滤等。

联结主义起源于神经科学，主要算法是神经网络。

连接主义就是在试图了解人类大脑如何在神经层面工作，特别是人们如何是在学习和记忆的基础上发展起来的。

（所以，这种方法有时被称为类神经元计算。）

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。

神经网络是一种监督学习的算法。

进化主义的起源：进化生物学。

核心思想：对进化进行模拟，然后就可以使用遗传算法和遗传编程。

其中，进化算法(Evolutionary Algorithm，EA)：是在计算机上模拟进化过程，它是基于“物竟天择，适者生存”的原则，不断迭代优化，直到找到最佳的结果。

遗传算法是最流行的 EA 类型。通常就是用于用于优化问题。

行为类比主义的起源：心理学。

根据约束条件来优化函数，行为类比主义者所持的基本观点为人们所做的一切，所学习的一 切都是通过类比推理得出。所谓的类比推理法，即观察需要做出决定的新情景和已经熟悉的情景之间的相似度。

核心思想：对比新旧知识之间的相似性。

代表算法：核机器（Kernel machines）、近邻算法（Nearest Neighbour）。

代表应用：Netflix推荐系统。

总结：