目前机器学习领域产生了两个研究流派，虽然当前的研究者可能只认同其中的一个。第一个流派专注人工神经网络，致力于人脑功能的建模。很长的一段时期内，计算机科学家对神经元有兴趣。一篇1943年由沃尔特·皮茨（Walter Pitts）和沃伦·麦卡洛克（Warren MacCulloch）撰写的论文《神经活动中内在思想的逻辑演算》（A logical calculus of the ideas immanent in nervous activity），影响了包括约翰·冯·诺伊曼（John von Neumann）在内的一批早期的计算机科学家。不过，到了20世纪70年代中期，人们发现人工神经网络的设想似乎不切实际。因为没有人能够提出设置神经网络参数的方法。1974年，保罗·维博思（Paul Werbos）发明了一个设置神经网络参数的算法，称为反向传播（back propagation）算法。这个算法表明，作为对数据分类的方法和根据数据进行学习的方法，神经网络很有效。但是，反向传播是一种计算量非常大的算法，因此在此后十年间并未引起多少关注。

继续阅读：思维   机器   统计

此文由 怡心湖 编辑，若您觉得有益，欢迎分享转发！：首页 > 常识论 » 机器学习的统计思维方式探讨