python和人工智能论文_总结了一套学习python人工智能的路线

回归算法：常见的回归算法包括最小二乘法(OrdinaryLeast Square)，逻辑回归(Logistic Regression)，逐步式回归(Stepwise Regression)，多元自适应回归样条(MultivariateAdaptive Regression Splines)以及本地散点平滑估计(Locally Estimated Scatterplot Smoothing)；

基于实例的算法：常见的算法包括 k-Nearest Neighbor(KNN), 学习矢量量化(Learning Vector Quantization， LVQ)，以及自组织映射算法(Self-Organizing Map ， SOM)；

基于正则化方法：常见的算法包括：Ridge Regression， Least Absolute Shrinkage and Selection Operator(LASSO)，以及弹性网络(Elastic Net)；

决策树学习：常见的算法包括：分类及回归树(ClassificationAnd Regression Tree， CART)， ID3 (Iterative Dichotomiser 3)， C4.5， Chi-squared Automatic Interaction Detection(CHAID), Decision Stump, 随机森林(Random Forest)， 多元自适应回归样条(MARS)以及梯度推进机(Gradient Boosting Machine， GBM)；

基于贝叶斯方法：常见算法包括：朴素贝叶斯算法，平均单依赖估计(AveragedOne-Dependence Estimators， AODE)，以及Bayesian Belief Network(BBN)；

基于核的算法：常见的算法包括支持向量机(SupportVector Machine， SVM)， 径向基函数(Radial Basis Function ，RBF)， 以及线性判别分析(Linear Discriminate Analysis ，LDA)等；

聚类算法：常见的聚类算法包括 k-Means算法以及期望最大化算法(Expectation Maximization， EM)；

基于关联规则学习：常见算法包括 Apriori算法和Eclat算法等；

人工神经网络：重要的人工神经网络算法包括：感知器神经网络(PerceptronNeural Network), 反向传递(Back Propagation)， Hopfield网络，自组织映射(Self-OrganizingMap, SOM)。学习矢量量化(Learning Vector Quantization， LVQ)；

深度学习：常见的深度学习算法包括：受限波尔兹曼机(RestrictedBoltzmann Machine， RBN)， Deep Belief Networks(DBN)，卷积网络(Convolutional Network), 堆栈式自动编码器(Stacked Auto-encoders)；

降低维度的算法：常见的算法包括主成份分析(PrincipleComponent Analysis， PCA)，偏最小二乘回归(Partial Least Square Regression，PLS)， Sammon映射，多维尺度(Multi-Dimensional Scaling, MDS), 投影追踪(ProjectionPursuit)等；

集成算法：常见的算法包括：Boosting， Bootstrapped Aggregation(Bagging)，AdaBoost，堆叠泛化(Stacked Generalization， Blending)，梯度推进机(GradientBoosting Machine, GBM)，随机森林(Random Forest)。