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。

1.人工智慧之機器學習體系彙總

【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
    • 徑向基函式網路（RBFN） Radial basis function network(RBFN)
    • 受限玻爾茲曼機 Restricted Boltzmann machine
    • 迴歸神經網路（RNN） Recurrent neural network(RNN)
    • 自組織對映（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
    
    • 分類和迴歸樹（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
    • 卡方自動互動檢測（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 Fisher’s linear discriminant
    • 線性迴歸 Linear regression
    • Logistic迴歸 Logistic regression
    • 多項Logistic迴歸 Multinomial logistic regression
    • 樸素貝葉斯分類器 Naive Bayes classifier
    • 感知 Perceptron
    • 支援向量機 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
    • 自組織對映 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)
    • 區域性異常因子 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
  • 深度遞迴神經網路 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
  
  • 整合學習演算法
    
    • 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)
    • 主成分迴歸（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臺

人工智慧與大資料對比——當今人工智慧高於大資料

[資料來自Goolge trends]

2.2.Python才是王道

[資料來自Google trends]

2.3.深度學習趨勢大熱

[資料來自Google trends]

2.4.中國更愛深度學習

[資料來源-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”，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。

感謝CSDN的2017CCAI參會機遇與分享平臺。