一、机器学习五大流派
1.符号主义（Symbolists）
名称：符号主义（Symbolists）
起源：逻辑学、哲学
核心思想：认知即计算，通过对符号的演绎和逆演绎进行结果预测
问题：知识结构
代表算法：逆演绎算法（Inverse deduction）
代表应用：知识图谱
代表人物：Tom Mitchell、Steve Muggleton、Ross Quinlan
2.贝叶斯派（Bayesians）
名称：贝叶斯派（Bayesians）
起源：统计学
核心思想：主观概率估计，发生概率修正，最优决策
问题：不确定性
代表算法：概率推理（Probabilistic inference）
代表应用：反垃圾邮件、概率预测
代表人物：David Heckerman、Judea Pearl、Michael Jordan
3.联结主义（Connectionist）
名称：联结主义（Connectionist）
起源：神经科学
核心思想：对大脑进行仿真
问题：信度分配
代表算法：反向传播算法（Backpropagation）、深度学习（Deep learning）
代表应用：机器视觉、语音识别
代表人物：Yann LeCun、Geoff Hinton、Yoshua Bengio
4.进化主义（Evolutionaries）
名称：进化主义（Evolutionaries）
起源：进化生物学
核心思想：对进化进行模拟，使用遗传算法和遗传编程
问题：结构发现
代表算法：基因编程（Genetic programming）
代表应用：海星机器人
代表人物：John Koda、John Holland、Hod Lipson
5.行为类比主义（Analogizer）
名称：行为类比主义（Analogizer）
起源：心理学
核心思想：新旧知识间的相似性
问题：相似性
代表算法：核机器（Kernel machines）、近邻算法（Nearest Neightor）
代表应用：Netflix推荐系统
代表人物： Peter Hart、Vladimir Vapnik、Douglas Hofstadter
参考来源： 1.CSDN:https://blog.csdn.net/rogerchen1983/article/details/79681463
若有收获，就点个赞吧
0 人点赞
