机器学习中的几个概念的关系
目前, 机器学习主要由以下三条主线进行发展:
graph LR
subgraph 三代神经网络
A[1 线性分类器] ==> B[2 非线性分类器]
B ==SVM==> C[3 深度学习]
A1[感知器网络] –> B
A1 -.-> A2
A2[Logistic 网络] –> B
A2 -.->P
P[BP 网络] –> B
C1[SOM 网络] –> B
D1[玻耳兹曼机网络] –> B
end
subgraph 贝叶斯理论
D[朴素贝叶斯] –> E[贝叶斯网]
E –> F[隐马尔可夫模型: HMM]
end
subgraph 矩阵论
H[矩阵降维] –> I[奇异值分解: SVD]
I –> J[PCA 算法]
end
subgraph 三代神经网络
A[1 线性分类器] ==> B[2 非线性分类器]
B ==SVM==> C[3 深度学习]
A1[感知器网络] –> B
A1 -.-> A2
A2[Logistic 网络] –> B
A2 -.->P
P[BP 网络] –> B
C1[SOM 网络] –> B
D1[玻耳兹曼机网络] –> B
end
subgraph 贝叶斯理论
D[朴素贝叶斯] –> E[贝叶斯网]
E –> F[隐马尔可夫模型: HMM]
end
subgraph 矩阵论
H[矩阵降维] –> I[奇异值分解: SVD]
I –> J[PCA 算法]
end
DeepLearning 算法 (DL, 深度学习: 2010 年前后由多伦多大学的 Geoffrey Hinton 提出) 与衍生的卷积神经网络 (CNN, 有监督) 和深度置信网络 (DNN, 无监督) 在计算机视觉、语言识别和部分自然语言处理领域获得巨大的成功.
graph LR
subgraph 大数据的三大基石
CNN -.-> A[DL]
A === DNN
DNN === id[Map Reduce]
end
subgraph 大数据的三大基石
CNN -.-> A[DL]
A === DNN
DNN === id[Map Reduce]
end
版权声明：本文为q735613050原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。