演算法分類

目前演算法最主要的分類:

Pedro Domingos的演算法分類:

學派

貝式推理統計學派Bayesian Inference:以條件概率為預測判斷準則。

• 利用先驗概率Priori Probability(已知的事件證據)來推導出某一假說的相信程度。

1. 貝式推理:通用且強大的監督式學習理論。

• 貝式定理Bayes's Theorem: (1)依據推導出概率 (2)概率是假設的驗證 (3)要重視果→因
  
• 樸素貝式推理Navie Baysian:把每個變數視為獨立。
• 應用:文章分類、信用卡盜刷判斷
• 優點:準確度高、簡單強大、適用範圍廣、彈性大
• 缺點:強關聯性的不適用、需先計算先驗概率、非結構資料

2. 馬可夫鏈Markov Chains:每一事件概率非隨機獨立，與其前面緊鄰事件有關。

• 例子:「氣」與前面的「天」有關，經過訓練，演算法就知道「天」之後接「氣」的概率比其他字更高，不過其實它也是能擴充至多字的組合
  手機輸入文字預判下一個字的演算法就是N-gram!

3. 隱藏馬可夫鏈Hidden Markov Model 簡稱HMM:透過可觀序列事件現象，去預測觀察不到的序列事件。

• 有序列間關係，並有隱藏與可觀察情景皆能使用它來分析預測。
• 應用:語音辨識、機器翻譯

參考來源:人工智慧:概念應用與管理 林東清