人工智慧演算法大體上來說可以分類兩類：基於統計的機器學習演算法(machine learning)和深度學習演算法(deep learning)
總的來說，在sklearn中機器學習演算法大概的分類如下：
(1).回歸演算法
(2).分類演算法
(3).聚類演算法
(4)降維演算法
(5)概率圖模型演算法
(6)文字挖掘演算法
(7)優化演算法
(8)深度學習演算法
(1)模型優化
(2)資料預處理
(1).lr (logistic regression，邏輯回歸又叫邏輯分類)
(2).svm (support vector machine，支援向量機)
(3).nb (***** bayes，樸素貝葉斯)
(4).dt (decision tree，決策樹)
1).c4.5
2).id3
3).cart
(5).整合演算法
1).bagging
2).random forest (隨機森林)
3).gb(梯度提公升,gradient boosting)
4).gbdt (gradient boosting decision tree)
5).adaboost
6).xgboost
(6).最大熵模型
(1).lr (linear regression，線性回歸)
(2).svr (支援向量機回歸)
(3). rr (ridge regression，嶺回歸)
(1).knn
(2).kmeans 演算法
(3).層次聚類
(4).密度聚類
(1).sgd (隨機梯度下降)(1).貝葉斯網路
(2).hmm
(3).crf (條件隨機場)
(1).模型
1).lda (主題生成模型，latent dirichlet allocation)
2).最大熵模型
1).tf-idf
2).bm25
3).textrank
4).pagerank
6).互資訊：
(3).詞法分析
1).分詞
– ①hmm (因馬爾科夫)
– ②crf (條件隨機場)
2).詞性標註
3).命名實體識別
(4).句法分析
1).句法結構分析
2).依存句法分析
(5).文字向量化
1).tf-idf
2).word2vec
3).doc2vec
4).cw2vec
(6).距離計算
1).歐氏距離
2).相似度計算
(1).正則化
1).l1正則化
2).l2正則化
(1).bp
(2).cnn
(3).dnn
(3).rnn
(4).lstm
(1).特徵選擇
(2).梯度下降
(3).交叉驗證
(4).引數調優
(5).模型評估：準確率、召回率、f1、auc、roc、損失函式
(1).標準化
(2).異常值處理
(3).二值化
(4).缺失值填充： 支援均值、中位數、特定值補差、多重插補
人工智慧演算法 猴子摘香蕉
只有簡單的狀態顯示 include iostream using namespace std void at char monkeyplace,char boxplace void state int on,int hb char goto char st,char lt void act char...
人工智慧演算法綜述（二） RNN and LSTM
rnn 迴圈神經網路 and lstm 長短期記憶網路 lstm就是乙個rnn網路，外部的結構是一樣的，主要是單元的內在結構不同。或者說lstm是為了讓rnn能夠更好的處理nlp 自然語言問題 做的一些內部改造。我推薦這篇文章理解lstm 可能會比我自己說的更好，我這裡就簡單說一下，不涉及太多技術細...
人工智慧演算法（一）進化演算法
我希望用這類文章，來盡可能通俗的解釋一些聽上去很 高大上 的人工智慧演算法，不僅可以幫助自己真正的理解，還能帶來更多的思考。目前想寫專家系統，神經網路，還有本篇進化演算法。不說大話，進入正題 相信大部分對人工智慧感興趣的人都聽說過進化演算法 遺傳演算法，基因演算法 一篇文章當然不可能把進化演算法的方...