序章（简述机器学习的历史和派系）

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！但是社会上所有的问题都符合独立同分布吗？回答是NONONO滴！   但是还是会有所进步和成长，也没有人能够预测将来机器学习的走向！ 所有的学术趋势都是和当时的现实所呼应的，但是谁都无法预料将来的现实讲问题如何变化！
因为太多因素了！

关于机器学习，大家可能不熟悉，又或者很多人入门和我一样，是另外一个名词 “深度学习”

      但是有很多学者说，深度学习掀起的热潮也许大过于其本身的真正的贡献。只是因为硬件技术的革命，计算机的速度提高了！从而使人们采用复杂度很高很高的算法，从而得到比过去更精细的结果。

    

现在对机器学习的一些基本认知也有了一部分了，只是你不会去问，机器学习到底有哪些发展历史和跨时代变换！  换句话说，你可以用这些东西来装逼了！！！不推荐不推荐，人呐是吧，啧啧啧，还是谦虚一点！