面向人工智能的机器学习方法体系总结

此处梳理出面向人工智能的机器学习方法体系，主要体现机器学习方法和逻辑关系，理清机器学习脉络，后续文章会针对机器学习系列讲解算法原理和实战。抱着一颗严谨学习之心，有不当之处欢迎斧正。

机器学习脉络（高清图片微信后台回复：“脉络”获取）

监督学习 Supervised learning

Fisher的线性判别 Fisher's linear discriminant

线性回归 Linear regression

Logistic回归 Logistic regression

多项Logistic回归 Multinomial logistic regression

朴素贝叶斯分类器 Naive Bayes classifier

感知 Perceptron

支持向量机 Support vector machine

分类和回归树（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

卡方自动交互检测（CHAID） Chi-squared Automatic Interaction Detection(CHAID)

决策残端 Decision stump

ID3算法 ID3 algorithm

随机森林 Random forest

SLIQ

朴素贝叶斯 Naive Bayes

高斯贝叶斯 Gaussian Naive Bayes

多项朴素贝叶斯 Multinomial Naive Bayes

平均一依赖性评估（AODE） Averaged One-Dependence Estimators(AODE)

贝叶斯信念网络（BNN） Bayesian Belief Network(BBN)

贝叶斯网络（BN） Bayesian Network(BN)

自动编码器 Autoencoder

反向传播 Backpropagation

玻尔兹曼机 Boltzmann machine

卷积神经网络 Convolutional neural network

Hopfield网络 Hopfield network

多层感知器 Multilayer perceptron

径向基函数网络（RBFN） Radial basis function network(RBFN)

受限玻尔兹曼机 Restricted Boltzmann machine

回归神经网络（RNN） Recurrent neural network(RNN)

自组织映射（SOM） Self-organizing map(SOM)

尖峰神经网络 Spiking neural network

人工神经网络 Artificial neural network

贝叶斯 Bayesian

决策树 Decision Tree

线性分类 Linear classifier

无监督学习 Unsupervised learning

k-最近邻算法（K-NN） k-nearest neighbors classification(K-NN)

局部异常因子 Local outlier factor

BIRCH

DBSCAN

期望最大化（EM） Expectation-maximization(EM)

模糊聚类 Fuzzy clustering

K-means算法 K-means algorithm

k-均值聚类 K-means clustering

k-位数 K-medians

平均移 Mean-shift

OPTICS算法 OPTICS algorithm

单连锁聚类 Single-linkage clustering

概念聚类 Conceptual clustering

先验算法 Apriori algorithm

Eclat算法 Eclat algorithm

FP-growth算法 FP-growth algorithm

对抗生成网络

前馈神经网络 Feedforward neurral network

逻辑学习机 Logic learning machine

自组织映射 Self-organizing map

极端学习机 Extreme learning machine

人工神经网络 Artificial neural network

关联规则学习 Association rule learning

分层聚类 Hierarchical clustering

聚类分析 Cluster analysis

异常检测 Anomaly detection

半监督学习 Semi-supervised learning

生成模型 Generative models

低密度分离 Low-density separation

基于图形的方法 Graph-based methods

联合训练 Co-training

强化学习 Reinforcement learning

时间差分学习 Temporal difference learning

Q学习 Q-learning

学习自动 Learning Automata

状态-行动-回馈-状态-行动（SARSA） State-Action-Reward-State-Action(SARSA)

深度学习 Deep learning

深度信念网络 Deep belief machines

深度卷积神经网络 Deep Convolutional neural networks

深度递归神经网络 Deep Recurrent neural networks

分层时间记忆 Hierarchical temporal memory

深度玻尔兹曼机（DBM） Deep Boltzmann Machine(DBM)

堆叠自动编码器 Stacked Boltzmann Machine

生成式对抗网络 Generative adversarial networks

迁移学习 Transfer learning

传递式迁移学习 Transitive Transfer Learning

其他

主成分分析（PCA） Principal component analysis(PCA)

主成分回归（PCR） Principal component regression(PCR)

因子分析 Factor analysis

Bootstrap aggregating (Bagging)

AdaBoost

梯度提升机（GBM） Gradient boosting machine(GBM)

梯度提升决策树（GBRT） Gradient boosted decision tree(GBRT)

集成学习算法

降维