Galleria mappe mentale Classificazione degli algoritmi di apprendimento automatico
Riepilogo della classificazione degli algoritmi di apprendimento automatico! La figura seguente riassume la classificazione degli algoritmi di machine learning, inclusi apprendimento supervisionato, apprendimento non supervisionato, apprendimento semi-supervisionato, apprendimento per rinforzo, apprendimento di trasferimento, algoritmi di deep learning, ecc. Spero che questa immagine possa aiutarti!
Modificato alle 2020-04-08 10:06:19Questa è una mappa mentale su una breve storia del tempo. "Una breve storia del tempo" è un'opera scientifica popolare con un'influenza di vasta portata. Non solo introduce i concetti di base della cosmologia e della relatività, ma discute anche dei buchi neri e dell'espansione dell'universo. questioni scientifiche all’avanguardia come l’inflazione e la teoria delle stringhe.
Dopo aver letto "Il coraggio di essere antipatico", "Il coraggio di essere antipatico" è un libro filosofico che vale la pena leggere. Può aiutare le persone a comprendere meglio se stesse, a comprendere gli altri e a trovare modi per ottenere la vera felicità.
"Il coraggio di essere antipatico" non solo analizza le cause profonde di vari problemi nella vita, ma fornisce anche contromisure corrispondenti per aiutare i lettori a comprendere meglio se stessi e le relazioni interpersonali e come applicare la teoria psicologica di Adler nella vita quotidiana.
Questa è una mappa mentale su una breve storia del tempo. "Una breve storia del tempo" è un'opera scientifica popolare con un'influenza di vasta portata. Non solo introduce i concetti di base della cosmologia e della relatività, ma discute anche dei buchi neri e dell'espansione dell'universo. questioni scientifiche all’avanguardia come l’inflazione e la teoria delle stringhe.
Dopo aver letto "Il coraggio di essere antipatico", "Il coraggio di essere antipatico" è un libro filosofico che vale la pena leggere. Può aiutare le persone a comprendere meglio se stesse, a comprendere gli altri e a trovare modi per ottenere la vera felicità.
"Il coraggio di essere antipatico" non solo analizza le cause profonde di vari problemi nella vita, ma fornisce anche contromisure corrispondenti per aiutare i lettori a comprendere meglio se stessi e le relazioni interpersonali e come applicare la teoria psicologica di Adler nella vita quotidiana.
Classificazione degli algoritmi di apprendimento automatico
L'apprendimento automatico è classificato in base ai metodi di formazione
Apprendimento supervisionato
Classe Rete Neurale Artificiale
Propagazione all'indietro
Macchina Boltzmann
Rete neurale convoluzionale
Rete Hopfield
Percettrone multistrato
Rete di funzioni a base radiale (RBFN)
Macchina Boltzmann limitata
Rete neurale ricorrente (RNN)
Mappa auto-organizzante (SOM)
Rete neurale a picco
Bayesin
L'ingenuo Bayes
Bayes naive gaussiano
Bayes ingenuo multinomiale
Stimatori medi a una dipendenza (AODE)
Rete delle credenze bayesiane (BBN)
Rete bayesiana (BN)
Classe dell'albero decisionale
Albero di classificazione e regressione (CART)
Dicotomizzatore iterativo 3 (Dicotomizzatore iterativo 3, ID3)
Algoritmo C4.5
Algoritmo C5.0 (Algoritmo C5.0)
Rilevamento automatico delle interazioni chi quadrato (CHAID)
Ceppo decisionale
Algoritmo ID3
Foresta casuale
SLIQ (apprendimento supervisionato nelle missioni)
Classe del classificatore lineare
Discriminante lineare di Fisher
Regressione lineare
Regressione logistica
Regressione logistica multinomiale
Classificatore ingenuo di Bayes
Percezione
Supporta la macchina vettoriale
Apprendimento non supervisionato
Classe Rete Neurale Artificiale
Reti avversarie generative (GAN)
Rete neurale anticipata
Macchina per l'apprendimento della logica
Mappa auto-organizzante
Lezione di apprendimento delle regole associative
Algoritmo Apriori
Algoritmo Eclat
Algoritmo FP-Crescita
Clustering gerarchico
Clustering a collegamento singolo
Clustering concettuale
Analisi di gruppo
Algoritmo della BETULLA
Algoritmo DBSCAN
Massimizzazione delle aspettative (EM)
Clustering fuzzy
K-significa algoritmo
K-significa clustering
Cluster delle K-mediane
Algoritmo di spostamento della media (spostamento della media)
Algoritmo OTTICA
Classe di rilevamento delle anomalie
Algoritmo K-vicino più vicino (KNN).
Algoritmo del fattore anomalo locale (LOF).
Apprendimento semi-supervisionato
Modelli generativi
Separazione a bassa densità
Metodi basati su grafici
Co-formazione
Insegnamento rafforzativo
Q-apprendimento
Stato-Azione-Ricompensa-Stato-Azione (Stato-Azione-Ricompensa-Stato-Azione, SARSA)
DQN (Rete Q profonda)
Gradienti politici
RL basato su modello
Apprendimento differenziale temporale
Apprendimento approfondito
Macchine per credenze profonde
Reti neurali convoluzionali profonde
Rete neurale ricorrente profonda
Memoria temporale gerarchica (HTM)
Macchina Boltzmann profonda (DBM)
Codificatore automatico impilato
Reti avversarie generative
Trasferire l'apprendimento
Apprendimento di trasferimento induttivo
Apprendimento di trasferimento trasduttivo
Apprendimento di trasferimento non supervisionato
Apprendimento transitivo di trasferimento
L'apprendimento automatico è classificato in base alla risoluzione dei problemi
Classificazione in due classi
SVM a due classi: adatto a scenari con molte caratteristiche dei dati e modelli lineari
Perceptron medio a due classi: adatto a scenari con tempi di addestramento brevi e modelli lineari.
Regressione logistica a due classi: adatta a scenari con tempi di addestramento brevi e modelli lineari
Bayes Point Machine a due classi: adatta a scenari con tempi di addestramento brevi e modelli lineari
Decision Forest a due classi: adatta a scenari con tempi di addestramento brevi e precisione
Albero decisionale potenziato a due classi: adatto a scenari con tempi di addestramento brevi, elevata precisione e ampio utilizzo della memoria
Giungla decisionale a due classi: adatta a scenari con tempi di addestramento brevi, elevata precisione e ridotto ingombro di memoria
SVM Locally Deep a due classi: adatto a scenari con molte funzionalità di dati
Rete neurale a due classi: adatta a scenari con elevata precisione e lunghi tempi di addestramento
Classificazione multiclasse
Regressione logistica multiclasse: adatta a scenari con tempi di addestramento brevi e modelli lineari
Rete Neurale Multiclasse: adatta a scenari con elevata precisione e lunghi tempi di addestramento
Foresta decisionale multiclasse: adatta a scenari con elevata precisione e tempi di addestramento brevi
Giungla decisionale multiclasse: adatta a scenari con elevata precisione e ridotto ingombro di memoria
"Multiclasse uno contro tutti": dipende dall'effetto dei due classificatori
Algoritmo di regressione
Regressione ordinale: adatta per scenari in cui i dati vengono classificati e ordinati
Regressione di Poisson: adatta per prevedere il numero di eventi
Regressione quantile veloce della foresta: adatta per scenari di previsione delle distribuzioni
Regressione lineare: adatta a scenari con tempi di addestramento brevi e modelli lineari
Regressione lineare bayesiana: adatta per modelli lineari e scenari in cui la quantità di dati di addestramento è ridotta
Regressione della rete neurale: adatto a scenari con elevata precisione e lunghi tempi di addestramento
Decision Forest Regression: adatto a scenari con elevata precisione e tempi di addestramento brevi
Regressione potenziata dell'albero decisionale: adatta a scenari con elevata precisione, tempi di addestramento brevi e ampio utilizzo della memoria
Algoritmo di clustering
Clustering gerarchico: adatto a scenari con tempi di training brevi e grandi quantità di dati
Algoritmo K-mean: adatto a scenari con elevata precisione e tempi di addestramento brevi
Algoritmo FCM di clustering fuzzy (Fuzzy C-means, FCM): adatto a scenari con elevata precisione e breve tempo di addestramento
Rete neurale SOM (Self-organizing Feature Map, SOM): adatta a scenari con tempi di esecuzione lunghi
Rilevamento anomalie
Macchina vettoriale di supporto di una classe (SVM di una classe): adatta a scenari con molte funzionalità di dati
Rilevamento anomalie basato su PCA: adatto a scenari con tempi di addestramento brevi