人工智能ー算法汇总

人工智能的三大基石—算法、数据和计算能力，算法作为其中之一，是非常重要的，那么人工智能都会涉及哪些算法呢？不同算法适用于哪些场景呢？

一、按照模型训练方式不同可以分为

1. 监督学习（Supervised Learning）
2. 无监督学习（Unsupervised Learning）
3. 半监督学习（Semi-supervised Learning）
4. 强化学习（Reinforcement Learning）

常见的监督学习算法：

（1）人工神经网络（Artificial Neural Network）类：

1. 反向传播（Backpropagation）
2. 波尔兹曼机（Boltzmann Machine）
3. 卷积神经网络（Convolutional Neural Network）
4. Hopfield网络（hopfield Network）
5. 多层感知器（Multilyer Perceptron）
6. 径向基函数网络（Radial Basis Function Network，RBFN）
7. 受限波尔兹曼机（Restricted Boltzmann Machine）
8. 回归神经网络（Recurrent Neural Network，RNN）
9. 自组织映射（Self-organizing Map，SOM）
10. 尖峰神经网络（Spiking Neural Network）等

（2）贝叶斯类（Bayesin）：

1. 朴素贝叶斯（Naive Bayes）
2. 高斯贝叶斯（Gaussian Naive Bayes）
3. 多项朴素贝叶斯（Multinomial Naive Bayes）
4. 平均-依赖性评估（Averaged One-Dependence Estimators，AODE）
5. 贝叶斯信念网络（Bayesian Belief Network，BBN）
6. 贝叶斯网络（Bayesian Network，BN）等

（3）决策树（Decision Tree）类：

1. 分类和回归树（Classification and Regression Tree，CART）
2. 迭代Dichotomiser3（Iterative Dichotomiser 3， ID3）
3. C4.5算法（C4.5 Algorithm）
4. C5.0算法（C5.0 Algorithm）
<