@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:
Pedro Domingos认为,知识来源于进化、经验、文化和计算机。对于知识和计算机的关系,他引用了Facebook人工智能实验室负责人Yann LeCun的一段话:将来,世界上的大部分知识将由机器提取出来,并且将长驻与机器中。
Pedro Domingos帮助计算机获取新知识,可以通过以下五种方法来实现
-
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
派别 |
起源 |
擅长算法 |
符号主义 (Symbolists) |
逻辑学、哲学 |
逆演绎算法(Inverse deduction) |
联结主义 (Connectionists) |
神经科学 |
反向传播算法 (Backpropagation) |
进化主义 (Evolutionaries) |
进化生物学 |
基因编程(Genetic programming) |
贝叶斯派 (Bayesians) |
统计学 |
概率推理(Probabilistic inference) |
Analogizer |
心理学 |
核机器(Kernel machines) |
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
Pedro Domingos总结了五大流派目前存在的问题和解决方案,但他也重点强调,我们真正需要的是可以一次性解决这些所有问题的统一算法。
表示
-
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
Pedro Domingos认为,要研究一个解决所有问题的通用算法,创造一个「通用学习者」,还需要很多工作去做。而通用学习者的出现将在以下四方面发挥巨大价值:
-
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
原创文章,作者:ppvke,如若转载,请注明出处:http://www.ppvke.com/archives/17847