人工智慧之機器學習演算法體系匯總
本文主要梳理了機器學習演算法體系,人工智慧相關趨勢,Python與機器學習,以及結尾的一點感想。
Github開源機器學習系列文章及演算法源碼
1. 人工智慧之機器學習體系匯總
【直接上乾貨】此處梳理出面向人工智慧的機器學習方法體系,主要體現機器學習方法和邏輯關係,理清機器學習脈絡,後續文章會針對機器學習系列講解演算法原理和實戰。抱著一顆嚴謹學習之心,有不當之處歡迎斧正。
監督學習 Supervised learning
無監督學習 Unsupervised learning
k-最近鄰演算法(K-NN) k-nearest neighbors classification(K-NN)
局部異常因子 Local outlier factor
BIRCH
DBSCAN
期望最大化(EM) Expectation-maximization(EM)
模糊聚類 Fuzzy clustering
K-means演算法 K-means algorithm
k-均值聚類 K-means clustering
k-位數 K-medians
平均移 Mean-shift
OPTICS演算法 OPTICS algorithm
單連鎖聚類 Single-linkage clustering
概念聚類 Conceptual clustering
先驗演算法 Apriori algorithm
Eclat演算法 Eclat algorithm
FP-growth演算法 FP-growth algorithm
對抗生成網路
前饋神經網路 Feedforward neurral network
邏輯學習機 Logic learning machine
自組織映射 Self-organizing map
極端學習機 Extreme learning machine
人工神經網路 Artificial neural network
關聯規則學習 Association rule learning
分層聚類 Hierarchical clustering
聚類分析 Cluster analysis
異常檢測 Anomaly detection
半監督學習 Semi-supervised learning
生成模型 Generative models
低密度分離 Low-density separation
基於圖形的方法 Graph-based methods
聯合訓練 Co-training
強化學習 Reinforcement learning
時間差分學習 Temporal difference learning
Q學習 Q-learning
學習自動 Learning Automata
狀態-行動-回饋-狀態-行動(SARSA) State-Action-Reward-State-Action(SARSA)
深度學習 Deep learning
深度信念網路 Deep belief machines
深度卷積神經網路 Deep Convolutional neural networks
深度遞歸神經網路 Deep Recurrent neural networks
分層時間記憶 Hierarchical temporal memory
深度玻爾茲曼機(DBM) Deep Boltzmann Machine(DBM)
堆疊自動編碼器 Stacked Boltzmann Machine
生成式對抗網路 Generative adversarial networks
遷移學習 Transfer learning
傳遞式遷移學習 Transitive Transfer Learning
其他
主成分分析(PCA) Principal component analysis(PCA)
主成分回歸(PCR) Principal component regression(PCR)
因子分析 Factor analysis
Bootstrap aggregating (Bagging)
AdaBoost
梯度提升機(GBM) Gradient boosting machine(GBM)
梯度提升決策樹(GBRT) Gradient boosted decision tree(GBRT)
集成學習演算法
降維
學習應當嚴謹,有不當場之處歡迎斧正。
強力驅動 Wikipedia CSDN
2. 人工智慧相關趨勢分析
2.1 人工智慧再次登上歷史舞台
人工智慧與大數據對比——當今人工智慧高於大數據
[數據來自Goolge trends]
2.2 Python才是王道
[數據來自Google trends]
2.3 深度學習趨勢大熱
[數據來自Google trends]
2.4 中國更愛深度學習
[數據來源-Google trends]
3. 結束語
關於人工智慧的一點感想,寫在最後
AI systems can』t model everything… AI needs to be robust to 「unknown unknowns」 [Thomas G.Dietterich ,2017CCAI]
中國自古有之
「知之為知之,不知為不知,是知也。」【出自《論語》】
人工智慧已然是歷史的第三波浪潮,堪稱「工業4.0」,目前有突破性的成就,但也有未解之謎。真正創造一個有認知力的「生命」——還有很大的難度。希望此次浪潮會持續下去,創造出其真正的價值,而非商業泡沫。
大多數的我們發表不了頂級學術論文,開創不了先河。不要緊,沉下心,努力去實踐。
人工智慧路漫漫,卻讓我們的生活充滿了機遇與遐想。
※智能時代的公司治理——如何通過機器學習來選擇董事
※CIA 既不證實也不否認它有中本聰檔案;非京牌車新政:進京證每年最多辦 12 次;微軟聲稱利用機器學習加快部署
TAG:機器學習 |