机器学习是人工智能领域中最能体现智能的一个分支。符号学习、统计学习、深度学习是机器学习的不同方向。符号学习主要以离散的方法处理遇到的问题，而统计学习主要以连续的方法处理问题；深度学习依赖于神经网络等；符号学习与统计学习之间因为流行学习的出现而架起了一座桥梁，流行学习中从微分流行到kkdby，再从kkdby到李代数，就是一个沟通连续和离散的过程。当今机器学习有五大流派，分别是符号主义、贝叶斯派、联结主义、进化主义、行为类比主义。派别分类具体见：CSDN-专业IT技术社区-登录
二十世纪九十年代以来，统计学习取代符号学习成为时代的主流，主要体现在实际问题的解决上，它主要利用概率论与数理统计等相关知识，比如众所周知的马尔科夫决策链、矩估计等来处理现代社会中所产生的大数据，但是目前的统计学习都是基于样本数据独立分布的假设，因此它的发展遇到了瓶颈。我相信随着数学和脑科学等领域的发展，这个瓶颈一定会被攻克，但是至少目前还是困扰领域专家的一个大问题。
最近的深度学习又比较热门，但深度学习在理论和技术上并没有什么显著的创新，只不过因为现代科技中硬件技术的发展，计算机的运行性能大幅度提升，这样人民可以采用以往复杂度很高的算法来做运算，从而得到比过去更为精确地结果！我们已经看到，符号学习被统计学习所强烈打压，但是深度学习对统计学习的打压程度却远没有统计学习打压符号学习那般强烈。
结论：机器学习是一个广义上的概念，而符号学习、统计学习、深度学习是并行的分支（实现形式）。