人工智慧之機器學習演算法體系匯總

作者：王小雷，專註大數據，人工智慧的多面手，對新興的技術與知識充滿了好奇與渴望！

本文由作者授權發布！

參加完2017CCAI，聽完各位專家的演講後受益匪淺。立志寫「人工智慧之機器學習」系列，此為開篇，主要梳理了機器學習方法體系，人工智慧相關趨勢，Python與機器學習，以及結尾的一點感恩。

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
• 人工神經網路 Artificial neural network
• 自動編碼器 Autoencoder
• 反向傳播 Backpropagation
• 玻爾茲曼機 Boltzmann machine
• 卷積神經網路 Convolutional neural network
• Hopfield網路 Hopfield network
• 多層感知器 Multilayer perceptron
• 徑向基函數網路（RBFN） Radial basis function network(RBFN)
• 受限玻爾茲曼機 Restricted Boltzmann machine
• 回歸神經網路（RNN） Recurrent neural network(RNN)
• 自組織映射（SOM） Self-organizing map(SOM)
• 尖峰神經網路 Spiking neural network
• 貝葉斯 Bayesian
• 樸素貝葉斯 Naive Bayes
• 高斯貝葉斯 Gaussian Naive Bayes
• 多項樸素貝葉斯 Multinomial Naive Bayes
• 平均一依賴性評估（AODE） Averaged One-Dependence Estimators(AODE)
• 貝葉斯信念網路（BNN） Bayesian Belief Network(BBN)
• 貝葉斯網路（BN） Bayesian Network(BN)
• 決策樹 Decision Tree
• 分類和回歸樹（CART） Classification and regression tree (CART)
• 迭代Dichotomiser 3（ID3） Iterative Dichotomiser 3(ID3)
• C4.5演算法 C4.5 algorithm
• C5.0演算法 C5.0 algorithm
• 卡方自動交互檢測（CHAID） Chi-squared Automatic Interaction Detection(CHAID)
• 決策殘端 Decision stump
• ID3演算法 ID3 algorithm
• 隨機森林 Random forest
• SLIQ
• 線性分類 Linear classifier
• Fisher的線性判別 Fishers linear discriminant
• 線性回歸 Linear regression
• Logistic回歸 Logistic regression
• 多項Logistic回歸 Multinomial logistic regression
• 樸素貝葉斯分類器 Naive Bayes classifier
• 感知 Perceptron
• 支持向量機 Support vector machine
• 無監督學習 Unsupervised learning
• 人工神經網路 Artificial neural network
• 對抗生成網路
• 前饋神經網路 Feedforward neurral network
• 極端學習機 Extreme learning machine
• 邏輯學習機 Logic learning machine
• 自組織映射 Self-organizing map
• 關聯規則學習 Association rule learning
• 先驗演算法 Apriori algorithm
• Eclat演算法 Eclat algorithm
• FP-growth演算法 FP-growth algorithm
• 分層聚類 Hierarchical clustering
• 單連鎖聚類 Single-linkage clustering
• 概念聚類 Conceptual clustering
• 聚類分析 Cluster analysis
• 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
• 異常檢測 Anomaly detection
• k-最近鄰演算法（K-NN） k-nearest neighbors classification(K-NN)
• 局部異常因子 Local outlier factor
• 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
• 集成學習演算法
• 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)
• 降維
• 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

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」，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。

立志每周【周日】更新一篇「人工智慧之機器學習」系列。Github開源機器學習系列文章及演算法源碼

感謝CSDN的2017CCAI參會機遇與分享平台。

原文鏈接：人工智慧之機器學習演算法體系匯總-博客-雲棲社區-阿里雲

更多技術乾貨敬請關注云棲社區知乎機構號：阿里云云棲社區 - 知乎

推薦閱讀：