参加了2017CCAI，听了各位专家的演讲让我受益匪浅。立志要写《人工智能的机器学习》系列，这就是开始。主要梳理机器学习算法体系、人工智能相关趋势、Python与机器学习，最后还有一些思考。Github开源机器学习系列文章及算法源码一、人工智能机器学习系统总结【直接上传干货】这里整理一下人工智能机器学习方法体系，主要体现机器学习方法和逻辑关系，并厘清机器学习的脉络，后续文章将为机器学习系列讲解算法原理和实战。以一颗严谨的学习之心，如有不妥之处敬请指正。监督学习人工神经网络AutoencoderAutoencoderBackpropagationBackpropagationBoltzmannmachineBoltzmannmachine卷积神经网络卷积神经网络HopfieldnetworkHopfieldnetwork多层感知器多层感知器径向基函数网络（RBFN）径向基函数网络（RBFN）受限玻尔兹曼机循环神经网络（RNN）递归神经网络（RNN）自组织映射（SOM）自组织映射（SOM）尖峰神经网络BayeuxBayesianNaiveBayesNaiveBayesGaussianNaiveBayesGaussianNaiveBayesMultinomialNaiveBayesAverageOne-DependencyEvaluation(AODE)AveragedOne-DependencyEstimators(AODE)BayesianBeliefNetwork(BNN)BayesianBeliefNetwork(BBN)BayesianNetwork(BN)BayesianNetwork(BN)DecisionTreeDecisionTreeClassificationandRegressionTree(CART)分类与回归回归树(CART)IterativeDichotomiser3(ID3)IterativeDichotomiser3(ID3)C4.5算法C4.5算法C5.0算法C5.0算法卡方自动交互检测(CHAID)卡方自动交互检测(CHAID)决策树桩ID3算法ID3算法随机森林SLIQ线性分类线性分类器Fisher线性判别式Fisher线性判别式线性回归线性回归Logistic回归Logistic回归MultinomiallogisticregressionMultinomiallogisticregression朴素贝叶斯分类器PerceptionPerceptron支持向量机Supportvectormachine无监督学习无监督学习人工神经网络人工神经网络对抗生成网络前馈神经网络前馈神经网络极限学习机逻辑学习机自组织映射自组织映射关联规则学习Apriori算法Eclat算法Eclat算法FP-growth算法FP-growth算法HierarchicalclusteringSingle-linkageclusteringSingle-linkageclustering概念聚类聚类分析聚类分析BIRCHDBSCANExpectationmaximization(EM)Expectation-maximization(EM)fuzzyclustering模糊聚类K-means算法K-means算法k-means聚类K-means聚类k-digitK-mediansmean-shiftOPTICSAlgorithmOPTICSalgorithmAnomalydetectionAnomalydetectionk-nearestneighborsclassification(K-NN)k-nearestneighborsclassification(K-NN)Localoutlierfactor半监督学习半监督学习生成模型低密度分离基于图的方法基于图的方法联合训练Co-training强化学习TemporaldifferencelearningTemporaldifferencelearningQlearningQ-learningLearningautomaticLearningAutomataState-action-feedback-state-action(SARSA)State-Action-Reward-State-Action(SARSA)深度学习深度学习深度信念机深度卷积神经网络深度卷积神经网络深度递归神经网络深度递归神经网络分层时间记忆分层时间记忆深度玻尔兹曼机(DBM)深度玻尔兹曼机(DBM)堆叠玻尔兹曼机堆叠玻尔兹曼MachineGenerativeadversarialnetworksTransferlearningTransferlearningTransitiveTransferLearning其他集成学习算法Bootstrapaggregating(Bagging)AdaBoost梯度提升机(GBM)梯度提升机(GBM)梯度提升决策树(GBRT)梯度提升决策树(GBRT)降维原理成分分析(PCA)主成分分析(PCA)主成分回归(PCR)主成分回归(PCR)因子分析因子分析学习要严谨，如有不当之处，欢迎斧头驱动维基百科CSDN2。人工智能相关趋势分析2.1．人工智能再次登上历史舞台人工智能与大数据的比较——当今人工智能高于大数据的趋势]2.4．中国更爱深度学习[数据来源-谷歌趋势]3.结论关于人工智能的一些思考，写在最后AI系统不能模拟一切......AI需要对“未知的未知数”具有鲁棒性[ThomasG.Dietterich,2017CCAI】中国自古就有“知之为不知，知之为不知”的说法。【来自《论语》】人工智能已经是历史的第三次浪潮，堪称“工业4.0”，是目前的突破性成果，也是未解之谜。真正创造一个认知“生活”——还有很多困难。我希望这波浪潮能够继续下去，创造出它真正的价值，而不是商业泡沫。我们中的大多数人无法发表顶级学术论文，也无法开创先例。没关系，静下心来好好修炼吧。人工智能任重道远，但它让我们的生活充满机遇和遐想。
