ویرگول
ورودثبت نام
محمدرضا زندی
محمدرضا زندی
محمدرضا زندی
محمدرضا زندی
خواندن ۲ دقیقه·۷ سال پیش

طبقه بندی الگوریتم های یادگیری ماشین

الگوریتم های بسیاری در مباحث یادگیری ماشین وجود دارد که یادگیری و درک همه آنها فرایند زمانبری است. (شایدم غیر ممکن) در این مقاله تعدادی از الگوریتم های مطرح را همراه با معرفی دسته بندی کلی هر کدام نام میبریم و در آینده بر مرور و به ترتیب مهم ترین الگوریتم سعی در بررسی جزیی تر آنها خواهیم داشت.




۱- رگرسیون (regression)

Ordinary Least Squares Regression (OLSR) Linear Regression Logistic Regression Stepwise Regression Multivariate Adaptive Regression Splines (MARS) Locally Estimated Scatterplot Smoothing (LOESS) Jackknife Regression

۲- یادگیری منظم (regularization)

Ridge Regression Least Absolute Shrinkage and Selection Operator (LASSO) Elastic Net Least-Angle Regression (LARS)

۳-مبتنی بر مثال (instance based)

k-Nearest Neighbour (kNN) Learning Vector Quantization (LVQ) Self-Organizing Map (SOM) Locally Weighted Learning (LWL)

۴- کاهش ابعاد (dimesionality reduction)

Principal Component Analysis (PCA) Principal Component Regression (PCR) Partial Least Squares Regression (PLSR) Sammon Mapping Multidimensional Scaling (MDS) Projection Pursuit Mixture Discriminant Analysis (MDA) Quadratic Discriminant Analysis (QDA) Regularized Discriminant Analysis (RDA) Flexible Discriminant Analysis (FDA) Linear Discriminant Analysis (LDA)

۵- یادگیری عمیق (deep learning)

Deep Boltzmann Machine (DBM) Deep Belief Networks (DBN) Convolutional Neural Network (CNN) Stacked Auto-Encoders

۶- یادگیری گروه (ensemble)

Logit Boost (Boosting) Bootstrapped Aggregation (Bagging) AdaBoost Stacked Generalization (blending) Gradient Boosting Machines (GBM) Gradient Boosted Regression Trees (GBRT) Random Forest

۷- بیزین (bayesian)

Naive Bayes Gaussian Naive Bayes Multinomial Naive Bayes Averaged One-Dependence Estimators (AODE) Bayesian Belief Network (BBN) Bayesian Network (BN) Hidden Markov Models Conditional random fields (CRFs)

۸- درخت تصمیم (decision tree)

Classification and Regression Tree (CART) Iterative Dichotomises 3 (ID3) C4.5 and C5.0 (different versions of a powerful approach) Chi-squared Automatic Interaction Detection (CHAID) Decision Stump M5 Random Forests Conditional Decision Trees

۹- خوشه بندی (clustering)

Single-linkage clustering k-Means k-Medians Expectation Maximisation (EM) Hierarchical Clustering Fuzzy clustering DBSCAN OPTICS algorithm Non Negative Matrix Factorization Latent Dirichlet allocation (LDA)

۱۰- شبکه عصبی (neural networks)

Self Organizing Map Perceptron Back-Propagation Hopfield Network Radial Basis Function Network (RBFN) Autoencoders Boltzmann machines Restricted Boltzmann Machines Spiking Neural Networks Learning Vector quantization (LVQ)

۱۱- مبتنی بر قوانین انجمنی (associated rule)

Apriori Eclat FP-Growth Cubist One Rule (OneR) Zero Rule (ZerR) Repeated Incremental Pruning to Produce Error Reductron (RIPPER)

۱۲- سایر

Evolutionary Algorithms Inductive Logic Programming (ILP) Reinforcement Learning (Q-Learning, Temporal Difference, State-Action-Reward-State-Action (SARSA)) ANOVA Information Fuzzy Network (IFN) Page Rank Conditional Random Fields (CRF)

موارد نام برده شده صرفا به منظور رفرنس کلی الگوریتم ها قابل استفاده است که در آینده هر الگوریتم به صفحه جزییات لینک خواهد شد.

یادگیری ماشینالگوریتم
۱۷
۰
محمدرضا زندی
محمدرضا زندی
هوش تیم
هوش تیم
هوش تیم مرجع متخصصین هوش مصنوعی ایران است که قراره اطلاعتمون را در این حوزه باهم به اشتراک بزاریم.
شاید از این پست‌ها خوشتان بیاید