一、人工智能学习算法分类
人工智能算法大体上来说可以分类两类：基于统计的机器学习算法(Machine Learning)和深度学习算法(Deep Learning)
总的来说，在sklearn中机器学习算法大概的分类如下：
1. 纯算法类
- (1).回归算法
- (2).分类算法
- (3).聚类算法
- (4)降维算法
- (5)概率图模型算法
- (6)文本挖掘算法
- (7)优化算法
- (8)深度学习算法
2.建模方面
- (1).模型优化
- (2).数据预处理
二、详细算法
1.分类算法
- (1).LR (Logistic Regression，逻辑回归又叫逻辑分类)
- (2).SVM (Support Vector Machine，支持向量机)
- (3).NB (Naive Bayes，朴素贝叶斯)
- (4).DT (Decision Tree，决策树)
- 1).C4.5
- 2).ID3
- 3).CART
- (5).集成算法
- 1).Bagging
- 2).Random Forest (随机森林)
- 3).GB(梯度提升,Gradient boosting)
- 4).GBDT (Gradient Boosting Decision Tree)
- 5).AdaBoost
- 6).Xgboost
- (6).最大熵模型
2.回归算法
- (1).LR (Linear Regression，线性回归)
- (2).SVR (支持向量机回归)
- (3). RR (Ridge Regression，岭回归)
3.聚类算法
- (1).Knn
- (2).Kmeans 算法
- (3).层次聚类
- (4).密度聚类
4.降维算法
- (1).SGD (随机梯度下降)
- (2).
5.概率图模型算法
- (1).贝叶斯网络
- (2).HMM
- (3).CRF (条件随机场)
6.文本挖掘算法
- (1).模型
- 1).LDA (主题生成模型，Latent Dirichlet Allocation)
- 4).最大熵模型
- (2).关键词提取
- 1).tf-idf
- 2).bm25
- 3).textrank
- 4).pagerank
- 5).左右熵 :左右熵高的作为关键词
- 6).互信息：
- (3).词法分析
- 1).分词
- ①HMM (因马尔科夫)
- ②CRF (条件随机场)
- 2).词性标注
- 3).命名实体识别
- 1).分词
- (4).句法分析
- 1).句法结构分析
- 2).依存句法分析
- (5).文本向量化
- 1).tf-idf
- 2).word2vec
- 3).doc2vec
- 4).cw2vec
- (6).距离计算
- 1).欧氏距离
- 2).相似度计算
7.优化算法
- (1).正则化
- 1).L1正则化
- 2).L2正则化
8.深度学习算法
- (1).BP
- (2).CNN
- (3).DNN
- (3).RNN
- (4).LSTM
三、建模方面
1.模型优化·
- (1).特征选择
- (2).梯度下降
- (3).交叉验证
- (4).参数调优
- (5).模型评估：准确率、召回率、F1、AUC、ROC、损失函数
2.数据预处理
- (1).标准化
- (2).异常值处理
- (3).二值化
- (4).缺失值填充： 支持均值、中位数、特定值补差、多重插补
