和大多数学科类似，在20世纪中叶诞生的人工智能，经过各个时期学者们的多次探索和实验后，产生了数个派别。要快速理解历年来这些不同的机器学习算法之间的概念和原理差异，一种较为简便的方式是参考华盛顿大学佩德罗·多明戈斯(Pedro Domingos)教授归纳的五大派别，它们分别是符号学派、贝叶斯学派、类推学派、进化学派和联结学派{4.1}-{4.5}。这里的每个学派都有其核心思想及其关注的特定问题。通过上一章的介绍，我们已经了解了机器学习的基本概念，本章将分别阐述五大学派的基本理念及常用算法模型，并结合实践案例探讨机器学习在建筑和城市相关领域的应用潜力。

    考虑到本书专业科普读物的定位，本章的每个小节都以以下方式编排：先介绍各派别的简明发展历程和基本理念，接着以代表性的算法为例，介绍其基本原理及其在建筑和城市领域应用的可能性。对机器学习算法感兴趣且想拓展阅读的读者可以自行参考多明戈斯的著作，或者阅读各算法提出者的原始文献。