可利用的算法非常之多。困難之處在于既有不同種類的方法，也有對(duì)這些方法的擴(kuò)展。這導(dǎo)致很快就難以區(qū)分到底什么才是正統(tǒng)的算法。在這個(gè)帖子里，我希望給你兩種方式來思考和區(qū)分在這個(gè)領(lǐng)域中你將會(huì)遇到的算法。

[[114409]]

第一種劃分算法的方式是根據(jù)學(xué)習(xí)的方式，第二種則是基于形式和功能的相似性(就像把相似的動(dòng)物歸為一類一樣)。兩種方式都是有用的。

學(xué)習(xí)方式

基于其與經(jīng)驗(yàn)、環(huán)境，或者任何我們稱之為輸入數(shù)據(jù)的相互作用，一個(gè)算法可以用不同的方式對(duì)一個(gè)問題建模。在機(jī)器學(xué)習(xí)和人工智能教科書中，流行的做法是首先考慮一個(gè)算法的學(xué)習(xí)方式。

算法的主要學(xué)習(xí)方式和學(xué)習(xí)模型只有幾個(gè)，我們將會(huì)逐一介紹它們，并且給出幾個(gè)算法和它們適合解決的問題類型來作為例子。

• 監(jiān)督學(xué)習(xí)：輸入數(shù)據(jù)被稱為訓(xùn)練數(shù)據(jù)，它們有已知的標(biāo)簽或者結(jié)果，比如垃圾郵件/非垃圾郵件或者某段時(shí)間的股票價(jià)格。模型的參數(shù)確定需要通過一個(gè)訓(xùn)練的過程，在這個(gè)過程中模型將會(huì)要求做出預(yù)測(cè)，當(dāng)預(yù)測(cè)不符時(shí)，則需要做出修改。

• 無監(jiān)督學(xué)習(xí)：輸入數(shù)據(jù)不帶標(biāo)簽或者沒有一個(gè)已知的結(jié)果。通過推測(cè)輸入數(shù)據(jù)中存在的結(jié)構(gòu)來建立模型。這類問題的例子有關(guān)聯(lián)規(guī)則學(xué)習(xí)和聚類。算法的例子包括Apriori算法和K-means算法。

• 半監(jiān)督學(xué)習(xí)：輸入數(shù)據(jù)由帶標(biāo)記的和不帶標(biāo)記的組成。合適的預(yù)測(cè)模型雖然已經(jīng)存在，但是模型在預(yù)測(cè)的同時(shí)還必須能通過發(fā)現(xiàn)潛在的結(jié)構(gòu)來組織數(shù)據(jù)。這類問題包括分類和回歸。典型算法包括對(duì)一些其他靈活的模型的推廣，這些模型都對(duì)如何給未標(biāo)記數(shù)據(jù)建模做出了一些假設(shè)。

• 強(qiáng)化學(xué)習(xí):輸入數(shù)據(jù)作為來自環(huán)境的激勵(lì)提供給模型，且模型必須作出反應(yīng)。反饋并不像監(jiān)督學(xué)習(xí)那樣來自于訓(xùn)練的過程，而是作為環(huán)境的懲罰或者是獎(jiǎng)賞。典型問題有系統(tǒng)和機(jī)器人控制。算法的例子包括Q-學(xué)習(xí)和時(shí)序差分學(xué)習(xí)（Temporal Difference Learning）。

當(dāng)你處理大量數(shù)據(jù)來對(duì)商業(yè)決策建模時(shí)，通常會(huì)使用監(jiān)督和無監(jiān)督學(xué)習(xí)。目前一個(gè)熱門話題是半監(jiān)督學(xué)習(xí)，比如會(huì)應(yīng)用在圖像分類中，涉及到的數(shù)據(jù)集很大但是只包含極少數(shù)標(biāo)記的數(shù)據(jù)。

算法相似性

通常，我們會(huì)把算法按照功能和形式的相似性來區(qū)分。比如樹形結(jié)構(gòu)和神經(jīng)網(wǎng)絡(luò)的方法。這是一種有用的分類方法，但也不是完美的。仍然有些算法很容易就可以被歸入好幾個(gè)類別，比如學(xué)習(xí)矢量量化，它既是受啟發(fā)于神經(jīng)網(wǎng)絡(luò)的方法，又是基于實(shí)例的方法。也有一些算法的名字既描述了它處理的問題，也是某一類算法的名稱，比如回歸和聚類。正因?yàn)槿绱?，你?huì)從不同的來源看到對(duì)算法進(jìn)行不同的歸類。就像機(jī)器學(xué)習(xí)算法自身一樣，沒有完美的模型，只有足夠好的模型。

在這個(gè)小節(jié)里，我將會(huì)按照我覺得最直觀的方式列出許多流行的機(jī)器學(xué)習(xí)算法。雖然不管是類別還是算法都不是全面詳盡的，但我認(rèn)為它們都具有代表性，有助于你對(duì)整個(gè)領(lǐng)域有一個(gè)大致的了解。如果你發(fā)現(xiàn)有一個(gè)或一類算法沒有被列入，將它寫在回復(fù)里和大家分享。讓我們來開始吧。

回歸分析

回歸是這樣一種建模方式，它先確定一個(gè)衡量模型預(yù)測(cè)誤差的量，然后通過這個(gè)量來反復(fù)優(yōu)化變量之間的關(guān)系。回歸方法是統(tǒng)計(jì)學(xué)的主要應(yīng)用，被歸為統(tǒng)計(jì)機(jī)器學(xué)習(xí)。這有些讓人迷惑，因?yàn)槲覀兛梢杂没貧w來指代一類問題和一類算法。實(shí)際上，回歸是一個(gè)過程。以下是一些例子：

• 普通最小二乘法

• 邏輯回歸

• 逐步回歸

• 多元自適應(yīng)樣條回歸(MARS)

• 局部多項(xiàng)式回歸擬合(LOESS)

基于實(shí)例的方法

基于實(shí)例的學(xué)習(xí)模型對(duì)決策問題進(jìn)行建模，這些決策基于訓(xùn)練數(shù)據(jù)中被認(rèn)為重要的或者模型所必需的實(shí)例。這類方法通常會(huì)建立一個(gè)范例數(shù)據(jù)庫，然后根據(jù)某個(gè)相似性衡量標(biāo)準(zhǔn)來把新數(shù)據(jù)和數(shù)據(jù)庫進(jìn)行比較，從而找到最匹配的項(xiàng)，最后作出預(yù)測(cè)。因此，基于實(shí)例的方法還被叫做“贏者通吃”方法和基于記憶的學(xué)習(xí)。這種方法的重點(diǎn)在于已有實(shí)例的表示以及實(shí)例間相似性的衡量標(biāo)準(zhǔn)。

• K最近鄰算法(kNN)

• 學(xué)習(xí)矢量量化(LVQ)

• 自組織映射(SOM)

正則化方法

這是對(duì)另一種方法（通常是回歸分析方法）的擴(kuò)展，它懲罰復(fù)雜度高的模型，傾向推廣性好的更加簡單的模型。我在這里列下了一些正則化的方法，因?yàn)樗麄兞餍小?qiáng)大，而且通常只是對(duì)其他方法簡單的改進(jìn)。

• 嶺回歸

• 套索算法(LASSO)

• 彈性網(wǎng)絡(luò)

決策樹學(xué)習(xí)

決策樹方法對(duì)決策過程進(jìn)行建模，決策是基于數(shù)據(jù)中屬性的實(shí)際數(shù)值。決策在樹形結(jié)構(gòu)上分叉直到對(duì)特定的某個(gè)記錄能做出預(yù)測(cè)。在分類或者回歸的問題中我們用數(shù)據(jù)來訓(xùn)練決策樹。

• 分類與回歸樹算法(CART)

• 迭代二叉樹3代(ID3)

• C4.5算法

• 卡方自動(dòng)互動(dòng)檢視(CHAID)

• 單層決策樹

• 隨機(jī)森林

• 多元自適應(yīng)樣條回歸(MARS)

• 梯度推進(jìn)機(jī)(GBM)

貝葉斯算法

貝葉斯方法是那些明確地在分類和回歸問題中應(yīng)用貝葉斯定理的算法。

• 樸素貝葉斯算法

• AODE算法

• 貝葉斯信度網(wǎng)絡(luò)(BBN)

核函數(shù)方法

核函數(shù)方法中最為出名的是流行的支持向量機(jī)算法，它其實(shí)是一系列方法。核函數(shù)方法關(guān)心的是如何把輸入數(shù)據(jù)映射到一個(gè)高維度的矢量空間，在這個(gè)空間中，某些分類或者回歸問題可以較容易地解決。

• 支持向量機(jī)(SVM)

• 徑向基函數(shù)(RBF)

• 線性判別分析(LDA)

聚類方法

就像回歸一樣，聚類既表示一類問題，也表示一類方法。聚類方法一般按照建模方式來劃分：基于質(zhì)心的或者層級(jí)結(jié)構(gòu)的。所有的方法都是利用數(shù)據(jù)的內(nèi)在結(jié)構(gòu)來盡量地把數(shù)據(jù)歸入具有最大共性的一類里。

• K均值法

• 最大期望算法(EM)

關(guān)聯(lián)規(guī)則學(xué)習(xí)

關(guān)聯(lián)規(guī)則學(xué)習(xí)是提取規(guī)則的一類算法，這些規(guī)則能最好地解釋觀測(cè)到的數(shù)據(jù)中的變量之間的關(guān)系。這些規(guī)則能在大型多維數(shù)據(jù)集中發(fā)現(xiàn)重要且在商業(yè)上有用的關(guān)聯(lián)，然后進(jìn)一步被利用。

• Apriori算法

• Eclat算法

人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是受啟發(fā)于生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和/或功能的算法。它們是一類常用在回歸和分類問題中的模式匹配方法，但其實(shí)這個(gè)龐大的子類包含了上百種算法和算法的變形，可以解決各種類型的問題。一些經(jīng)典流行的方法包括（我已經(jīng)把深度學(xué)習(xí)從這個(gè)類中分出來了）：

• 感知器

• 反向傳播算法

• Hopfield神經(jīng)網(wǎng)絡(luò)

• 自適應(yīng)映射(SOM)

• 學(xué)習(xí)矢量量化(LVQ)

深度學(xué)習(xí)

深度學(xué)習(xí)方法是利用便宜冗余的計(jì)算資源對(duì)人工神經(jīng)網(wǎng)絡(luò)的現(xiàn)代改進(jìn)版。這類方法試圖建立大得多也復(fù)雜得多的神經(jīng)網(wǎng)絡(luò)，就如前面說到的，許多方法都是基于大數(shù)據(jù)集中非常有限的標(biāo)記數(shù)據(jù)來解決半監(jiān)督學(xué)習(xí)問題。

• 受限玻爾茲曼機(jī)(RBM)

• 深度信念網(wǎng)(DBN)

• 卷積神經(jīng)網(wǎng)絡(luò)

• 層疊自動(dòng)編碼器(SAE)

降維方法

如同聚類方法，降維方法試圖利用數(shù)據(jù)中的內(nèi)在結(jié)構(gòu)來總結(jié)或描述數(shù)據(jù)，所不同的是它以無監(jiān)督的方式利用更少的信息。這對(duì)于可視化高維數(shù)據(jù)或者為之后的監(jiān)督學(xué)習(xí)簡化數(shù)據(jù)都有幫助。

• 主成分分析(PCA)

• 偏最小二乘法回歸(PLS)

• 薩蒙映射

• 多維尺度分析(MDS)

• 投影尋蹤

集成方法

集成方法由多個(gè)較弱模型組合而成，這些子模型獨(dú)立訓(xùn)練，它們的預(yù)測(cè)結(jié)果以某種方式整合起來得出總的預(yù)測(cè)。很多努力都集中在選擇什么類型的學(xué)習(xí)模型作為子模型，以及用什么方式整合它們的結(jié)果。這是一類非常強(qiáng)大的技術(shù)，因此也很流行。

• 推進(jìn)技術(shù)(Boosting)

• 自展集成(Bagging)

• 適應(yīng)性推進(jìn)(AdaBoost)

• 層疊泛化策略(Blending)

• 梯度推進(jìn)機(jī)(GBM)

• 隨機(jī)森林

這是一個(gè)最適曲線集成的例子。弱成員用灰色線表示，整合后的預(yù)測(cè)用紅色。這個(gè)圖顯示了溫度/臭氧數(shù)據(jù)，曲線出自使用局部多項(xiàng)式回歸擬合(LOESS)的模型。

圖片授權(quán)自公有領(lǐng)域(public domain)，歸于維基百科。

對(duì)機(jī)器學(xué)習(xí)算法的環(huán)顧的目的是讓你對(duì)目前存在的算法有一個(gè)大概的了解，也給你一些工具來把這些你有可能遇到的算法相互聯(lián)系起來。

這個(gè)帖子附上的資源如你所期待的是其他一些很棒的關(guān)于機(jī)器學(xué)習(xí)算法的列表。不要覺得壓力太大，知道很多算法固然有用，但是對(duì)少數(shù)幾個(gè)關(guān)鍵算法的深入了解和有效執(zhí)行也是很有用的。

本文由36大數(shù)據(jù)翻譯組darcher005翻譯，并經(jīng)36大數(shù)據(jù)編輯。轉(zhuǎn)載此文章須經(jīng)本站同意，并請(qǐng)附上譯者、出處(36大數(shù)據(jù))及本頁鏈接。原文鏈接：http://www.36dsj.com/?p=8911