热门问题
时间线
聊天
视角

機器學習概述

維基媒體列表條目 来自维基百科,自由的百科全书

机器学习概述
Remove ads

以下是機器學習的概述和主題指南:

機器學習計算機科學人工智慧的一個子領域,它使計算機系統能夠從數據中學習並改進功能及性能,而無需顯式編程。它源於對模式識別和計算學習理論的研究。[1] 1959年,亞瑟·李·塞謬爾將機器學習定義為「一門使計算機無需顯式編程即可學習的學科」。[2] 機器學習涉及對能夠從數據中學習並進行預測的算法的研究與構建。[3] 這些算法通過從一組示例觀察數據(即訓練集)構建一個數學模型,來進行數據驅動的預測或決策,而非嚴格遵循靜態程序指令。

機器學習是當代人工智慧的基礎及核心驅動,推動著從搜尋引擎推薦系統自動駕駛醫療診斷等眾多領域的革命性進展。

機器學習如何分類?

機器學習的範式

  • 監督學習,即模型在標註數據上進行訓練
  • 無監督學習,即模型試圖在未標註數據中識別模式
  • 強化學習,即模型通過接收獎勵或懲罰來學習做出決策。

機器學習的應用

機器學習硬體

機器學習工具

  • 深度學習軟體比較

機器學習框架

專有機器學習框架

開源機器學習框架

機器學習庫

機器學習算法

  • Almeida–Pineda 遞歸反向傳播
  • ALOPEX
  • 反向傳播
  • 自舉聚合
  • CN2 算法
  • 構建技能樹
  • Dehaene–Changeux 模型
  • 擴散圖
  • 基於支配關係的粗糙集方法
  • 動態時間規整
  • 錯誤驅動學習
  • 進化多模態優化
  • 期望最大化算法
  • 快速ICA
  • 前向-後向算法
  • GeneRec
  • 遺傳算法用於規則集生成
  • 生長自組織映射
  • 超基函數網絡
  • IDistance
  • k-最近鄰算法|『'k』'-最近鄰算法
  • 核方法用於向量輸出
  • 核主成分分析
  • Leabra
  • Linde–Buzo–Gray算法
  • 局部異常因子
  • 邏輯學習機
  • LogitBoost
  • 流形對齊
  • 馬爾可夫鏈蒙特卡洛 (MCMC)
  • 最小冗餘特徵選擇
  • 專家混合模型
  • 多核學習
  • 非負矩陣分解
  • 在線機器學習
  • 袋外誤差
  • 前額葉皮層基底核工作記憶
  • PVLV
  • Q學習
  • 二次無約束二進制優化
  • 查詢級特徵
  • Quickprop
  • 徑向基函數網絡
  • 隨機加權多數投票算法
  • 強化學習
  • 重複增量修剪以減少誤差(RIPPER)
  • Rprop
  • 基於規則的機器學習
  • 技能鏈
  • 稀疏主成分分析
  • 狀態-動作-獎勵-狀態-動作
  • 隨機梯度下降
  • 結構化kNN
  • T分布隨機鄰域嵌入
  • 時差學習
  • 喚醒-睡眠算法
  • 加權多數算法(機器學習)
Remove ads

機器學習方法

基於實例的算法

降維

降維

集成學習

集成學習

  • AdaBoost
  • 提升法
  • Bootstrap聚合(也稱為「bagging」或「bootstrapping」)
  • 集成平均
  • 梯度提升決策樹(GBDT)
  • 梯度提升
  • 隨機森林
  • 堆疊泛化

元學習

元學習

強化學習

強化學習

監督學習

監督學習

貝葉斯

貝葉斯統計學

  • 貝葉斯知識庫
  • 樸素貝葉斯
  • 高斯樸素貝葉斯
  • 多項式樸素貝葉斯
  • 平均單依賴估計器 (AODE)
  • 貝葉斯信念網絡 (BBN)
  • 貝葉斯網絡 (BN)

決策樹算法

決策樹算法

線性分類器

線性分類器

無監督學習

無監督學習

人工神經網絡

人工神經網絡

關聯規則學習

關聯規則學習

層次聚類

層次聚類

  • 單連結聚類
  • 概念聚類

聚類分析

聚類分析

異常檢測

異常檢測

  • k-最近鄰算法|『'k』'-最近鄰算法 (『'k』'-NN)
  • 局部異常因子

半監督學習

半監督學習

深度學習

深度學習

其他機器學習方法與問題

機器學習研究

  • 人工智慧項目列表
  • 機器學習研究數據集列表

機器學習歷史

機器學習歷史

  • 機器學習時間線

機器學習項目、組織、出版物及活動

機器學習項目

機器學習組織、出版物及活動

參考資料

Loading related searches...

Wikiwand - on

Seamless Wikipedia browsing. On steroids.

Remove ads