人工智能算法总结

一、人工智能 包含  机器学习   包含  深度学习

二、机器学习 分为：有监督机器学习、无监督机器学习

三、有监督机器学习 分为：回归和分类

回归常用算法：

线性回归

多项式回归

岭回归

lasso回归

分类常用算法：

逻辑回归

svm分类

朴素贝叶斯算法

决策树

随机森林

kNN

四、无监督机器学习分为：聚类和降维

聚类常用的算法

1、基于划分：k-means、k-medoids、k-modes、k-medians、kernel k-means等算法。

2、基于层次：BIRCH算法、CURE算法、CHAMELEON算法

3、基于密度：DBSCAN算法、OPTICS算法、DENCLUE算法

4、基于网格：STING算法、CLIQUE算法、WAVE-CLUSTER算法

5、基于模型：高斯混合模型（基于概率模型）、Self Organized Maps（SOM，基于神经网络）

6、基于模糊：模糊C均值（简称FCM）聚类算法是HCM聚类算法的改进。

降维常用的算法

 

主成分分析PCA

多维缩放(MDS)

线性判别分析(LDA)

等度量映射(Isomap)

局部线性嵌入(LLE)

t-SNE

Deep Autoencoder Networks

 

五、神经网络：

前馈神经网络（FFNN）

径向基神经网络（RBF）

霍普菲尔网络（HN）

马尔可夫链（MC）

玻尔兹曼机（BM）

受限玻尔兹曼机（RBM）

自编码机（AE）

稀疏自编码机（SAE）

变分自编码机（VAE）

 去噪自编码机（DAE）

深度信念网络（DBN）

卷积神经网络（CNN）

解卷积网络（DN）

深度卷积逆向图网络（DCIGN）

生成式对抗网络（GAN）

循环神经网络（RNN）

长短期记忆（LSTM）

门循环单元（GRU）

神经图灵机（NTM）

BiRNN、BiLSTM、BiGRU

深度残差网络（DRN）

回声状态网络（ESN）

极限学习机（ELM）

液态机（LSM）

支持向量机（SVM）

Kohonen 网络