首先，機器學習是人工智慧的乙個分支，是人工智慧發展到一定階段的必然產物。
人工智慧回顧
推理期：二十世紀五十年代到七十年代；認為只要賦予機器邏輯推理能力，機器就具有了智慧型。
知識期：盛行於二十世紀七十年代中期；認為使機器具有智慧型，必須具備知識。
機器學習期：當今時代；讓機器自己學習知識，以獲得智慧型。
機器學習回顧
e.a.feigenbaum對機器學習的劃分：機械學習，示教學習，模擬學習和歸納學習。其中歸納學習，即是從樣例中學習，被研究最多應用最廣，發展包括：
符號主義學習：盛行於二十世紀八十年代；代表包括決策樹（decision tree）和基於邏輯的學習。
連線主義學習：二十世紀九十年代中期之前的另一大主流；基於神經網路，d.e.rumelhart 的bp演算法對連線主義學習的推廣與應用，起到深遠。
統計學習：二十世紀九十年代中期開始成為主流；代表技術為支援向量機（svm）和更一般的核方法（kernel methods）。
參考：西瓜書
人工智慧與機器學習
現如今，人工智慧與機器學習受到了各行各業的廣泛關注，大眾對其態度不一。但是人工智慧與機器學習對不同的人來說其代表的東西並不相同。通常人工智慧與機器學習會引起人們的恐懼與不確定性，因此一些專家對這兩個術語相關的風險表示擔憂。事實上，人工智慧與機器學習已經成為了我們日常生活中不可分割的一部分，即使在有些...
人工智慧與機器學習目錄
1 anaconda搭建人工智慧與深度學習平台 2 python基礎 python基礎 基礎語法元素 python基礎 基本資料型別 python基礎 組合資料型別 python基礎 程式控制結構 python基礎 函式 python基礎 類和物件 python基礎 檔案讀寫 模組 包和庫 pyth...
人工智慧與機器學習有哪些不同
人工智慧早已不是乙個新名詞，它的發展歷史已經有幾十年。從80年代早期開始，當時計算機科學家設計出可以學習和模仿人類行為的演算法。在學習方面，最重要的演算法是神經網路，但由於模型過於強大，沒有足夠的資料支援，導致不是很成功。然而，在一些更具體的任務中，使用資料來適應函式的想法獲得了巨大的成功，這也構成...