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,在這過程中形成了五大流派,這五大流派各有各的特點。
1、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,通過對符號的演繹和逆演繹進行結果預測
問題:知識結構
代表算法:逆演繹算法(Inverse deduction)
代表應用:知識圖譜
代表人物:Tom Mitchell、Steve Muggleton、Ross Quinlan
2、貝葉斯派(Bayesians)
名稱:貝葉斯派(Bayesians)
起源:統計學
核心思想:主觀概率估計,發生概率修正,最優決策
問題:不確定性
代表算法:概率推理(Probabilistic inference)
代表應用:反垃圾郵件、概率預測
代表人物:David Heckerman、Judea Pearl、Michael Jordan
3、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
代表算法:反向傳播算法(Backpropagation)、深度學習(Deep learning)
代表應用:機器視覺、語音識別
代表人物:Yann LeCun、Geoff Hinton、Yoshua Bengio
4、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
代表算法:基因編程(Genetic programming)
代表應用:海星機器人
代表人物:John Koda、John Holland、Hod Lipson
5、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:新舊知識間的相似性
問題:相似性
代表算法:核機器(Kernel machines)、近鄰算法(Nearest Neightor)
代表應用:Netflix推薦系統
代表人物: 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
如果想要閱讀PPT的完整內容,請關注本人公衆號“大數據與人工智能Lab”(BigdataAILab),然後回覆“ppt”關鍵字可在線閱讀34頁PPT的詳細內容。
推薦相關閱讀