机器学习的五大流派

有道是“罗马不是一天建成的”,机器学习的发展也是历经了很长时间,在这过程中形成了五大流派,这五大流派各有各的特点。

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


五大流派的演化阶段

从20世纪80年代开始,机器学习五大流派不断演化,各个阶段都有相应的主导流派:


华盛顿大学教授 Pedro Domingos 曾详细地对机器学习领域的五大流派进行了详细的盘点,写了34页的PPT,各个流派的核心思想和演化过程进行了详细的介绍:
华盛顿大学教授Pedro Domingos-盘点机器学习领域的五大流派
点击图片前往观看完整PPT

本文转自:微信号 - 大数据与人工智能Lab,转载此文目的在于传递更多信息,版权归原作者所有。
原文链接:https://mp.weixin.qq.com/s/s3pc7gKwFm4A4VODZyL_mg

推荐阅读