当前位置: 首页 人工智能 人工智能之机器学习算法体系汇总

人工智能之机器学习算法体系汇总

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方法体系,人工智能相关趋势,Python与机器学习,以及结尾的一点感恩。

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。

大图下载地址:https://yqfile.alicdn.com/b4e74068d29f07bea448fc1eee360e83417d1d5f.png

监督学习 Supervised learning

人工神经网络 Artificial neural network

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

贝叶斯 Bayesian

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)

决策树 Decision Tree

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

线性分类 Linear classifier

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

无监督学习 Unsupervised learning

人工神经网络 Artificial neural network

对抗生成网络

前馈神经网络 Feedforward neurral network

       极端学习机 Extreme learning machine

逻辑学习机 Logic learning machine

自组织映射 Self-organizing map

关联规则学习 Association rule learning

先验算法 Apriori algorithm

Eclat算法 Eclat algorithm

FP-growth算法 FP-growth algorithm

分层聚类 Hierarchical clustering

单连锁聚类 Single-linkage clustering

概念聚类 Conceptual clustering

聚类分析 Cluster analysis

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

异常检测 Anomaly detection

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

局部异常因子 Local outlier factor

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

集成学习算法

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)

降维

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

学习应当严谨,有不当场之处欢迎斧正。

强力驱动 Wikipedia CSDN

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]

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”,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。

来源:网络

声明:版权属于作者,转载为传播,如有侵权,请联系小编,第一时间处理!

微信:hujianhe1950

邮箱:bendahai1981@163.com, 热烈欢迎读者投稿!

小编不易,打赏随意

几个有调调的公众号:

《思想与言论》

sixiangyanlunlthy

自由之思想,独立之精神,

理性之言论,民主之道路。

▼长按下方二维码识别关注

《杂家》

zajialthy

这是一个百家争鸣的平台。无论你是谁,在这里都可以看到你想看的

文章,学到你想学的知识。只求包罗万象,只求追随你心。

▼长按下方二维码识别关注

《文艺青年》

wenyiqingnian1981

嘿!有点意思伪文艺青年都走了,真文艺青年都留下了!

▼长按下方二维码识别关注

《科技先锋》

kejixianfeng2015

在这里了解科技界最新消息,

学到最深科技知识。

▼长按下方二维码识别关注

《吃货》

chihuolthy

每个吃货都是最纯粹的热爱生活的人!

▼长按下方二维码识别关注

《车迷》

chemilthy

迷车的人都在这!

▼长按下方二维码识别关注

《军迷》

junmilthy

我们是最棒的军迷俱乐部,

赶快加入我们!

▼长按下方二维码识别关注

《龙腾财经》

longtengcaijinglthy

最棒的财经类新媒体!

▼长按下方二维码识别关注

推荐独家大咖亲笔签名书(点击阅读原文或扫码购买):

版权属于:大风号

原文地址:http://78soft.com/article/35161.html

转载时必须以链接形式注明原始出处及本声明。

最热文章

热门标签