機器學習的五大流派

有道是「羅馬不是一天建成的」，機器學習的發展也是歷經了很長時間，在這過程當中造成了五大流派，這五大流派各有各的特色。

一、符號主義（Symbolists）
 
名稱：符號主義（Symbolists）
起源：邏輯學、哲學
核心思想：認知即計算，經過對符號的演繹和逆演繹進行結果預測
問題：知識結構
表明算法：逆演繹算法（Inverse deduction）
表明應用：知識圖譜
表明人物：Tom Mitchell、Steve Muggleton、Ross Quinlan

二、貝葉斯派（Bayesians）
 
名稱：貝葉斯派（Bayesians）
起源：統計學
核心思想：主觀機率估計，發生機率修正，最優決策
問題：不肯定性
表明算法：機率推理（Probabilistic inference）
表明應用：反垃圾郵件、機率預測
表明人物：David Heckerman、Judea Pearl、Michael Jordan

三、聯結主義（Connectionist）
 
名稱：聯結主義（Connectionist）
起源：神經科學
核心思想：對大腦進行仿真
問題：信度分配
表明算法：反向傳播算法（Backpropagation）、深度學習（Deep learning）
表明應用：機器視覺、語音識別
表明人物：Yann LeCun、Geoff Hinton、Yoshua Bengio
 
四、進化主義（Evolutionaries）
 
名稱：進化主義（Evolutionaries）
起源：進化生物學
核心思想：對進化進行模擬，使用遺傳算法和遺傳編程
問題：結構發現
表明算法：基因編程（Genetic programming）
表明應用：海星機器人
表明人物：John Koda、John Holland、Hod Lipson

五、行爲類比主義（Analogizer）
 
名稱：行爲類比主義（Analogizer）
起源：心理學
核心思想：新舊知識間的類似性
問題：類似性
表明算法：核機器（Kernel machines）、近鄰算法（Nearest Neightor）
表明應用：Netflix推薦系統
表明人物： Peter Hart、Vladimir Vapnik、Douglas Hofstadter

五大流派的演化階段
從20世紀80年代開始，機器學習五大流派不斷演化，各個階段都有相應的主導流派：

華盛頓大學教授 Pedro Domingos 曾詳細地對機器學習領域的五大流派進行了詳細的盤點，寫了34頁的PPT，各個流派的核心思想和演化過程進行了詳細的介紹

若是想要閱讀PPT的完整內容，請關注本人公衆號「大數據與人工智能Lab」（BigdataAILab），而後回覆「ppt」關鍵字可在線閱讀34頁PPT的詳細內容。

 

推薦相關閱讀

• 大話卷積神經網絡（CNN）
• 大話循環神經網絡（RNN）
• 大話深度殘差網絡（DRN）
• 大話深度信念網絡（DBN）
• 大話CNN經典模型：LeNet
• 大話CNN經典模型：AlexNet
• 大話CNN經典模型：VGGNet
• 大話CNN經典模型：GoogLeNet
• 淺說「遷移學習」
• 什麼是「強化學習」
• AlphaGo算法原理淺析
• 大數據究竟有多少個V
• Apache Hadoop 2.8 徹底分佈式集羣搭建超詳細教程
• Apache Hive 2.1.1 安裝配置超詳細教程
• Apache HBase 1.2.6 徹底分佈式集羣搭建超詳細教程
• 離線安裝Cloudera Manager 5和CDH5（最新版5.13.0）超詳細教程