人工智能之机器学习算法体系汇总

数据挖掘入门与实战  公众号： datadw

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。

Github开源机器学习系列文章及算法源码

https://github.com/wangxiaoleiAI/machine-learning?spm=5176.100239.0.0.wNZubX

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

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

2.2.Python才是王道

2.3.深度学习趋势大热

2.4.中国更爱深度学习

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”，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。

人工智能AI与大数据技术实战

搜索添加微信公众号：weic2c

长按图片，识别二维码，点关注

---

数据挖掘入门与实战

搜索添加微信公众号：datadw

教你机器学习，教你数据挖掘

长按图片，识别二维码，点关注