來源：https://blog.csdn.net/qq_34424731/article/details/76443719
本文主要梳理了機器學習算法體系，人工智慧相關趨勢，Python與機器學習，以及結尾的一點感想。
Github開源機器學習系列文章及算法源碼
1. 人工智慧之機器學習體系匯總
【直接上乾貨】此處梳理出面向人工智慧的機器學習方法體系，主要體現機器學習方法和邏輯關係，理清機器學習脈絡，後續文章會針對機器學習系列講解算法原理和實戰。抱著一顆嚴謹學習之心，有不當之處歡迎斧正。
監督學習 Supervised learning
Fisher的線性判別 Fisher’s linear discriminant
線性回歸 Linear regression
Logistic回歸 Logistic regression
多項Logistic回歸 Multinomial logistic regression
樸素貝葉斯分類器 Naive Bayes classifier
感知 Perceptron
支持向量機 Support vector machine
分類和回歸樹（CART） Classification and regression tree (CART)
迭代Dichotomiser 3（ID3） Iterative Dichotomiser 3(ID3)
C4.5算法 C4.5 algorithm
C5.0算法 C5.0 algorithm
卡方自動交互檢測（CHAID） Chi-squared Automatic Interaction Detection(CHAID)
決策殘端 Decision stump
ID3算法 ID3 algorithm
隨機森林 Random forest
SLIQ
樸素貝葉斯 Naive Bayes
高斯貝葉斯 Gaussian Naive Bayes
多項樸素貝葉斯 Multinomial Naive Bayes
平均一依賴性評估（AODE） Averaged One-Dependence Estimators(AODE)
貝葉斯信念網絡（BNN） Bayesian Belief Network(BBN)
貝葉斯網絡（BN） Bayesian Network(BN)
自動編碼器 Autoencoder
反向傳播 Backpropagation
玻爾茲曼機 Boltzmann machine
卷積神經網絡 Convolutional neural network
Hopfield網絡 Hopfield network
多層感知器 Multilayer perceptron
徑向基函數網絡（RBFN） Radial basis function network(RBFN)
受限玻爾茲曼機 Restricted Boltzmann machine
回歸神經網絡（RNN） Recurrent neural network(RNN)
自組織映射（SOM） Self-organizing map(SOM)
尖峰神經網絡 Spiking neural network
人工神經網絡 Artificial neural network
貝葉斯 Bayesian
決策樹 Decision Tree
線性分類 Linear classifier
無監督學習 Unsupervised learning
k-最近鄰算法（K-NN） k-nearest neighbors classification(K-NN)
局部異常因子 Local outlier factor
BIRCH
DBSCAN
期望最大化（EM） Expectation-maximization(EM)
模糊聚類 Fuzzy clustering
K-means算法 K-means algorithm
k-均值聚類 K-means clustering
k-位數 K-medians
平均移 Mean-shift
OPTICS算法 OPTICS algorithm
單連鎖聚類 Single-linkage clustering
概念聚類 Conceptual clustering
先驗算法 Apriori algorithm
Eclat算法 Eclat algorithm
FP-growth算法 FP-growth algorithm
對抗生成網絡
前饋神經網絡 Feedforward neurral network
邏輯學習機 Logic learning machine
自組織映射 Self-organizing map
極端學習機 Extreme learning machine
人工神經網絡 Artificial neural network
關聯規則學習 Association rule learning
分層聚類 Hierarchical clustering
聚類分析 Cluster analysis
異常檢測 Anomaly detection
半監督學習 Semi-supervised learning
強化學習 Reinforcement learning
深度學習 Deep learning
深度信念網絡 Deep belief machines
深度卷積神經網絡 Deep Convolutional neural networks
深度遞歸神經網絡 Deep Recurrent neural networks
分層時間記憶 Hierarchical temporal memory
深度玻爾茲曼機（DBM） Deep Boltzmann Machine(DBM)
堆疊自動編碼器 Stacked Boltzmann Machine
生成式對抗網絡 Generative adversarial networks
遷移學習 Transfer learning
其他
主成分分析（PCA） Principal component analysis(PCA)
主成分回歸（PCR） Principal component regression(PCR)
因子分析 Factor analysis
Bootstrap aggregating (Bagging)
AdaBoost
梯度提升機（GBM） Gradient boosting machine(GBM)
梯度提升決策樹（GBRT） Gradient boosted decision tree(GBRT)
集成學習算法
降維
學習應當嚴謹，有不當場之處歡迎斧正。
強力驅動 Wikipedia CSDN
2. 人工智慧相關趨勢分析
2.1 人工智慧再次登上歷史舞臺
人工智慧與大數據對比——當今人工智慧高於大數據
[數據來自Goolge trends]
2.2 Python才是王道
[數據來自Google trends]
2.3 深度學習趨勢大熱
[數據來自Google trends]
2.4 中國更愛深度學習
[數據來源-Google trends]
3. 結束語
關於人工智慧的一點感想，寫在最後
AI systems can’t model everything… AI needs to be robust to 「unknown unknowns」 [Thomas G.Dietterich ,2017CCAI]
中國自古有之
「知之為知之，不知為不知，是知也。」【出自《論語》】
人工智慧已然是歷史的第三波浪潮，堪稱「工業4.0」，目前有突破性的成就，但也有未解之謎。真正創造一個有認知力的「生命」——還有很大的難度。希望此次浪潮會持續下去，創造出其真正的價值，而非商業泡沫。
大多數的我們發表不了頂級學術論文，開創不了先河。不要緊，沉下心，努力去實踐。
人工智慧路漫漫，卻讓我們的生活充滿了機遇與遐想。
《機器學習 第九期》從零到機器學習實戰項目，提供GPU&CPU雙雲平臺，作業考試1V1批改（優秀學員內推BAT等）；點擊文末「閱讀原文」了解詳情。（限時優惠組團領：即日起至6.18日24點之前，新學員兩兩組團報名各減100元，已經報名的老學員推薦一名新學員報名各返100元，想組團報名者請加微信客服：julyedukefu_02）