机器学习领域的五大流派

@王威廉微博：华盛顿大学教授Pedro Domingos在本周结束的ACM Webminar上介绍了他认为的机器学习五大流派。他认为，机器学习中符号主义者的代表人物是Mitchell、 Muggleton、Quilan，联结主义者代表是LeCun、Hinton和Bengio，进化主义代表是Koda、Holland以及Lipson，贝叶斯派代表人物是Heckerman，Pearl和Jordan，Analogizer代表人物是Vapnik等。

机器之心对Pedro Domingos的演讲幻灯片进行了编译和总结：

• 填充现存知识的空白

• 对大脑进行仿真

• 对进化进行模拟

• 系统性的减少不确定性

• 注意新旧知识之间的相似点

1）符号主义

符号主义代表人物

符号主义算法

2）联结主义

联结主义代表人物

神经元和人造神经元

反向传播算法图示

谷歌自主识别出猫的神经网络

3）进化主义

进化主义代表人物

遗传算法

遗传编程

进化机器人

Pedro Domingos在这里提到了基于生物进化理论的「海星机器人」，该机器人由佛蒙特大学的Josh Bongard研发，能够通过内部模拟来「感知」自己身体各部件的状况，并进行连续建模，从而在不需要外部编程的情况下自己学会走路，当机器人外部受到破坏，比如说失去了一条腿，它可以重新建模并学习到一种新的行走方式。Josh Bongard在论文《Evolved Machines Shed Light on Robustness and Resilience》中对此进行了详细介绍。

4）贝叶斯派

贝叶斯派代表人物

概率推理

基于概率统计的贝叶斯算法最常见的应用就是反垃圾邮件功能，贝叶斯分类的运作是借着使用标记与垃圾邮件、非垃圾邮件的关连，然后搭配贝叶斯推断来计算一封邮件为垃圾邮件的可能性。

5）Analogizer

Analogizer代表人物

近邻算法nearest neighbor

内核机

基于该理论的Netflix推荐系统

• 概率逻辑（例如马尔可夫逻辑模型）

• 带权公式，状态分布

评估

• 后验概率

• 用户定义的目标函数

最优化

• 公式发现：基因编程

• 权值学习：反向传播

• 家用机器人

• 全球范围的智力互联网

• 癌症治疗解决方案

• 全方位的推荐系统

来源：舆情大数据

1、回复“数据分析师”查看数据分析师系列文章

2、回复“案例”查看大数据案例系列文章

3、回复“征信”查看相关征信的系列文章

4、回复“可视化”查看可视化专题系列文章

5、回复“SPPS”查看SPSS系列文章

6、回复“答案”查看hadoop面试题题目及答案

7、回复“爱情”查看大数据与爱情的故事

8、回复“笑话”查看大数据系列笑话

9、回复“大数据1、大数据2、大数据3、大数据4”查看大数据历史机遇连载

原文始发于微信公众号（PPV课数据科学社区）：机器学习领域的五大流派