c. 監督演算法
資料 離散型
連續性分類演算法
k近鄰演算法knn
貝葉斯樸素貝葉斯演算法
拉普拉斯平滑：為了避免屬性攜帶的資訊被訓練集中未曾出現過的屬性值所干擾。
半樸素貝葉斯分類器
bayesian belief network（bbn）
線性分類
logistic回歸演算法
二分類多分類
一種改進方式是通過多次二分類實現多個類別的標記
另一種多分類的方式通過直接修改邏輯回歸輸出的似然概率，使之適應多分類問題，得到的模型就是 softmax 回歸
支援向量機（最優分界線）
線性可分支援向量機
線性支援向量機
非線性支援向量機
非線性分類
核函式(進行空間轉換，變成線性的，分界線為超平面空間)
線性核多項式核
高斯核拉普拉斯核
sigmoid核
整合演算法
核心：在多樣性和準確定之間做出權衡
前提學習器效能要有一定保證
學習器的效能要有一定的差異，和而不同才能夠取得進步
學習器是否相同
同質整合
異質整合
演算法分類
boosting(序列)：存在強依賴關係
adaboost：面臨的問題
訓練資料權重調整的策略
弱分類器結果的組合策略
boosting tree(提公升樹)
bagging(並行)：不存在強依賴關係
隨機森林
一是每個資料子集中的樣本是在原始的訓練資料集中隨機抽取的；
二是在決策樹生成的過程中引入了隨機的屬性選擇。
自舉匯聚法
決策樹演算法
步驟特徵選擇
決策樹生成
id3：資訊增益
c4.5：資訊增益比
分類及回歸樹（cart）：基尼係數
決策樹剪枝
預剪枝後剪枝
**演算法
線性回歸
最小二乘法
懲罰性線性回歸
嶺回歸lasso回歸
整合方法
bagging演算法
梯度提公升法
隨機森林
人工智慧 A演算法
在狀態空間搜尋中，如果每一步都利用估價函式f n g n h n 對open表中的結點進行排序，則稱a演算法。它是一種為啟發式搜尋演算法。演算法型別 把初始結點s0放入open表中，f s0 g s0 h s0 如果open表為空，則問題無解 失敗退出 把open表的第乙個結點取出放入closed表...
C 人工智慧 聚類演算法
c.聚類演算法 概要 距離 包括曼哈頓距離 尤拉距離等等 核函式 核函式的功能就是把資料從低維空間投影 project 到高維空間去 dtw層次化聚類演算法 該主要有兩種路徑 agglomerative和divisive，也可以理解為自下而上法 bottom up 和自上而下法 top down 自...
人工智慧簡史 人工智慧簡史
人工智慧簡史 在人工智慧的早期，計算機科學家試圖在計算機中重建人類思維的各個方面。這就是科幻 中的智力型別，即或多或少像我們一樣思考的機器。毫無疑問，這種型別的智慧型稱為可理解性。具有可理解性的計算機可用於探索我們如何推理，學習，判斷，感知和執行腦力活動。可懂度的早期研究集中於在計算機中對現實世界和...