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

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