如何理解并区分“符号学习”、“统计学习”、“深度学习”和“机器学习”？

个人见解，不保证完全正确。

首先机器学习是人工智能的一个分支，即实现人工智能的一个手段。机器学习的主要思想是让机器自己去学习所需要的知识。

人工智能领域有三大学派：符号主义，连接主义，行为主义。

符号主义认为智能的基本元是符号，智能活动是符号推理或符号计算过程，人脑在本质上就是一个物理符号系统，这种方式注重于模拟人的思维方式，20世纪80年代机器学习基本理论基本形成，基于符号主义发展而来的机器学习方式被称为符号学习方式。

连接主义认为智能的基本单元为神经元，智能活动是神经元之间连接活动过程，这种方式注重于模拟人的生理结构，基于连接主义发展而来的机器学习方式被称为连接学习方式。2006年至今，由于数据量以及运算力的增长，实现深层神经网络的训练称为可能，而这种模型为深层神经网络的学习方式被称为深度学习，即深度学习为连接学习的一个分支。

统计学习由符号学习发展而来，根据符号学习的学习策略可将其分为 记忆学习 、 演绎学习 和 归纳学习 三种方式，其中归纳学习则是指以归纳推理为基础的学习方式，这种学习方式试图从具体实例当中寻找一般规律，统计学习认为这些具体实例满足一定统计学规律，例如独立同分布，但统计学习的诸多理论都来源于统计学研究，例如VC维理论、核方法等等，因此个人认为统计学习独立于符号学习和连接学习，是机器学习的一大类方法。

综上，机器学习、符号学习、统计学习、深度学习之间的关系如下图