你好,游客 登录
背景:
阅读新闻

人工智能之机器学习算法体系汇总

[日期:2017-08-01] 来源:36大数据  作者: [字体: ]

作者:王小雷

参加完2017CCAI,听完各位专家的演讲后受益匪浅。立志写“人工智能之机器学习”系列,此为开篇,主要梳理了机器学习算法体系,人工智能相关趋势,Python与机器学习,以及结尾的一点感想。

Github开源机器学习系列文章及算法源码

1.人工智能之机器学习体系汇总

【直接上干货】此处梳理出面向人工智能的机器学习方法体系,主要体现机器学习方法和逻辑关系,理清机器学习脉络,后续文章会针对机器学习系列讲解算法原理和实战。抱着一颗严谨学习之心,有不当之处欢迎斧正。

  • 监督学习 Supervised learning

    • Fisher的线性判别 Fisher’s linear discriminant

    • 线性回归 Linear regression

    • Logistic回归 Logistic regression

    • 多项Logistic回归 Multinomial logistic regression

    • 朴素贝叶斯分类器 Naive Bayes classifier

    • 感知 Perceptron

    • 支持向量机 Support vector machine

    • 分类和回归树(CART) Classification and regression tree (CART)

    • 迭代Dichotomiser 3(ID3) Iterative Dichotomiser 3(ID3)

    • C4.5算法 C4.5 algorithm

    • C5.0算法 C5.0 algorithm

    • 卡方自动交互检测(CHAID) Chi-squared Automatic Interaction Detection(CHAID)

    • 决策残端 Decision stump

    • ID3算法 ID3 algorithm

    • 随机森林 Random forest

    • SLIQ

    • 朴素贝叶斯 Naive Bayes

    • 高斯贝叶斯 Gaussian Naive Bayes

    • 多项朴素贝叶斯 Multinomial Naive Bayes

    • 平均一依赖性评估(AODE) Averaged One-Dependence Estimators(AODE)

    • 贝叶斯信念网络(BNN) Bayesian Belief Network(BBN)

    • 贝叶斯网络(BN) Bayesian Network(BN)

    • 自动编码器 Autoencoder

    • 反向传播 Backpropagation

    • 玻尔兹曼机 Boltzmann machine

    • 卷积神经网络 Convolutional neural network

    • Hopfield网络 Hopfield network

    • 多层感知器 Multilayer perceptron

    • 径向基函数网络(RBFN) Radial basis function network(RBFN)

    • 受限玻尔兹曼机 Restricted Boltzmann machine

    • 回归神经网络(RNN) Recurrent neural network(RNN)

    • 自组织映射(SOM) Self-organizing map(SOM)

    • 尖峰神经网络 Spiking neural network

    • 人工神经网络 Artificial neural network

    • 贝叶斯 Bayesian

    • 决策树 Decision Tree

    • 线性分类 Linear classifier

  • 无监督学习 Unsupervised learning

    • k-最近邻算法(K-NN) k-nearest neighbors classification(K-NN)

    • 局部异常因子 Local outlier factor

    • BIRCH

    • DBSCAN

    • 期望最大化(EM) Expectation-maximization(EM)

    • 模糊聚类 Fuzzy clustering

    • K-means算法 K-means algorithm

    • k-均值聚类 K-means clustering

    • k-位数 K-medians

    • 平均移 Mean-shift

    • OPTICS算法 OPTICS algorithm

    • 单连锁聚类 Single-linkage clustering

    • 概念聚类 Conceptual clustering

    • 先验算法 Apriori algorithm

    • Eclat算法 Eclat algorithm

    • FP-growth算法 FP-growth algorithm

    • 对抗生成网络

    • 前馈神经网络 Feedforward neurral network

    • 逻辑学习机 Logic learning machine

    • 自组织映射 Self-organizing map

    • 极端学习机 Extreme learning machine

    • 人工神经网络 Artificial neural network

    • 关联规则学习 Association rule learning

    • 分层聚类 Hierarchical clustering

    • 聚类分析 Cluster analysis

    • 异常检测 Anomaly detection

  • 半监督学习 Semi-supervised learning

    • 生成模型 Generative models

    • 低密度分离 Low-density separation

    • 基于图形的方法 Graph-based methods

    • 联合训练 Co-training

  • 强化学习 Reinforcement learning

    • 时间差分学习 Temporal difference learning

    • Q学习 Q-learning

    • 学习自动 Learning Automata

    • 状态-行动-回馈-状态-行动(SARSA) State-Action-Reward-State-Action(SARSA)

  • 深度学习 Deep learning

    • 深度信念网络 Deep belief machines

    • 深度卷积神经网络 Deep Convolutional neural networks

    • 深度递归神经网络 Deep Recurrent neural networks

    • 分层时间记忆 Hierarchical temporal memory

    • 深度玻尔兹曼机(DBM) Deep Boltzmann Machine(DBM)

    • 堆叠自动编码器 Stacked Boltzmann Machine

    • 生成式对抗网络 Generative adversarial networks

  • 迁移学习 Transfer learning

    • 传递式迁移学习 Transitive Transfer Learning

  • 其他

    • 主成分分析(PCA) Principal component analysis(PCA)

    • 主成分回归(PCR) Principal component regression(PCR)

    • 因子分析 Factor analysis

    • Bootstrap aggregating (Bagging)

    • AdaBoost

    • 梯度提升机(GBM) Gradient boosting machine(GBM)

    • 梯度提升决策树(GBRT) Gradient boosted decision tree(GBRT)

    • 集成学习算法

    • 降维

学习应当严谨,有不当场之处欢迎斧正。

强力驱动 Wikipedia CSDN

2.人工智能相关趋势分析

2.1.人工智能再次登上历史舞台

人工智能与大数据对比——当今人工智能高于大数据

[数据来自Goolge trends]

2.2.Python才是王道

[数据来自Google trends]

2.3.深度学习趋势大热

[数据来自Google trends]

2.4.中国更爱深度学习

[数据来源-Google trends]

3.结语

关于人工智能的一点感想,写在最后

AI systems can’t model everything… AI needs to be robust to “unknown unknowns” [Thomas G.Dietterich ,2017CCAI]

中国自古有之

“知之为知之,不知为不知,是知也。”【出自《论语》】

人工智能已然是历史的第三波浪潮,堪称“工业4.0”,目前有突破性的成就,但也有未解之谜。真正创造一个有认知力的“生命”——还有很大的难度。希望此次浪潮会持续下去,创造出其真正的价值,而非商业泡沫。

大多数的我们发表不了顶级学术论文,开创不了先河。不要紧,沉下心,努力去实践。

人工智能路漫漫,却让我们的生活充满了机遇与遐想。

收藏 推荐 打印 | 录入:admin | 阅读:
相关新闻      
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款