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。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！