iT邦幫忙

2023 iThome 鐵人賽

DAY 8
0
AI & Data

踏上AI的步伐系列 第 8

Day8 AI的主要演算法

  • 分享至 

  • xImage
  •  

介紹完了學習模式,今天要來介紹隊AI十分重要的演算法。首先我們可以思考一個問題:何謂演算法?
所謂的演算法是指一系列定義清楚地計算指令,當執行指令時,能從一個初始狀態經過一系列的處理,而最終產生輸出的狀態謂之。
演算法對AI來說,可以是父母的存在,沒有演算法便沒有AI,因此接下來讓我們一起深入了解演算法吧~


演算法的主要架構

依學習理論與任務演算法分類

  • 分類任務:SVM、KNN、貝氏推理
  • 預測(迴歸):馬可夫鍊、HMM、迴歸模型
  • 分群:K-Means、階層式分群法
  • 維度縮減:主成分分析法(PCA)、因素分析法(FA)、
  • 關聯分析法:Apriori
  • 最佳化方案選擇:Q-Learning、Deep Q-Learning

Pedro Domingos的演算法分類架構

https://ithelp.ithome.com.tw/upload/images/20230924/20163100KQ0yyxQfgm.jpg
AI 著名學者Pedro Domingos以演算法背後的邏輯推理,以及演算法本質特性,將機器學習分成五個學派

  • 貝式推理學派(Bayesian Inference):以條件機率為主要預測判斷準則,代表為:樸素貝氏推理(Naive Baysian)、馬可夫鏈(Markov Chains)、隱藏馬可夫鏈(Hidden Markov Model,HMM)。

  • 類推學派(Anaolgical Reasoning):以物件的相似程度高低作為判斷預測的推理準則。代表為:K近鄰演算法(KNN)、支持向量機(Support Vector Machine,SVM)。

  • 符號學派(Symbolism):以if then else法則及因果關係的推論作為判斷預測的推理準則。代表為:決策樹(Decision Tree)、集成式學習法(Ensemble Method)。

  • 連結學派(Connectionism):以神經網路的節點的多層級連結模式來訓練學習,並對事件進行預測與判斷。代表為類神經網路演算法(ANN)、深度學習(Deep Learning)。

  • 演學學派(Evolutionary):以try and error來提升判斷的準確度。代表為:強化學習(Reinforcement)、遺傳演算法(Genetice Algorithm)

  • 非監督式學習:代表為:K平均演算法(K-Means)、主成分分析法(Principle Components Analusis,PCA)。


參考資料
人工智慧-概念應用與管理 林東清著


上一篇
Day7 AI學習導論(完)
下一篇
Day9 AI的主要演算法(二)
系列文
踏上AI的步伐30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言