机器学习算法 Machine Learning Algorithms
有监督学习:
回归Regression:
广义线性回归 Generalized Linear Regression
高斯处理 Gaussian Process
保序回归 Isotonic Regression
分类Classification:
支持向量机 Support Vector Machines(SVM)
线性和二次判别分析 Linear and Quadratic Discriminant Analysis
决策树 Decision Trees
K最邻近域 K Nearest Neighbors
朴素贝叶斯 Naive Bayes
神经网络 Neural Networks
集成方法 Ensemble Methods
核近似 Kernel Approximation
自适应提升 Adaboost(Adaptive Boost)
无监督学习:
聚类 Clustering:
K均值 K-means
高斯混合模型 Gaussian Mixture Models
谱聚类 Spectral Clustering
流形学习 Manifold Learning
层次聚类 Hierarchical Clustering
仿射传播 Affinity Propagation(AP)
DBSCAN(Density-Based Spatial Clustering of Applications with Noise)-- 有代表性的基于密度的聚类算法
Birch(Balanced Iterative Reducing and Clustering using Hierarchies)-- 一个综合的层次聚类算法
维度下降 Dimensionality Reduction:
主成分分析 Principal Component Analysis(PCA)
线性判别分析 Linear Discrimination Analysis
局部线性插入 Locally Linear Embedding
拉普拉斯特征映射 Laplacian Eigenmaps
等距映射 Isometric mapping(Isomap)
谱插入 Spectral Embedding
特征聚集 Feature Agglomeration
强化学习:
马尔可夫决策过程 Markov Decision Processes
Sarsa
Q-Learning
A-Learning
深度学习:
卷积神经网络 Convolutional Neural Network(CNN)
受限玻尔兹曼机 Restricted Boltzmann Machines(RBM)
递归神经网络 Recurrent Neural Network(RNN)
长短期记忆 Long Short Term Memory(LSTM)