机器学*？深度学*？人工智能？这都是些什么

 

机器学*

 Machine Learning 

机器学*是人工智能的一个分支。人工智能的研究是从以“推理”为重点到以“知识”为重点，再到以“学*”为重点，一条自然、清晰的脉络。显然，机器学*是实现人工智能的一个途径，即以机器学*为手段解决人工智能中的问题。机器学*在*30多年已发展为一门多领域交叉学科，涉及概率论、统计学、逼*论、凸分析、计算复杂性理论等多门学科。机器学*理论主要是设计和分析一些让计算机可以自动“学*”的算法。机器学*算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学*算法中涉及了大量的统计学理论，机器学*与推断统计学联系尤为密切，也被称为统计学*理论。

分类

  • 监督学*： 带有人为标注信息。 常见算法有回归分析和统计分类
  • 无监督学*： 不带有人为标注信息。 常见算法有聚类
  • 半监督学*：介于两者之间
  • 增强学*：通过观察来学*做成如何的动作。每个动作都会对环境有所影响，学*对象根据观察到的周围环境的反馈来做出判断。

具体算法

  • 构造间隔理论分布：聚类分析和模式识别
    • 人工神经网络
    • 决策树
    • 感知器
    • 支持向量机
    • 集成学*AdaBoost
    • 降维与度量学*
    • 聚类
    • 贝叶斯分类器
  • 构造条件概率：回归分析和统计分类
    • 高斯过程回归
    • 线性判别分析
    • 最*邻居法
    • 径向基函数核
  • 通过再生模型构造概率密度函数
    • 最大期望算法
    • 概率图模型：包括贝叶斯网和Markow随机场
    • Generative Topographic Mapping

 

posted @ 2018-02-28 19:43  Lainey❤  阅读(427)  评论(0)  编辑  收藏  举报