首页>数据基础 >应了解的常用算法和Al算法分类

应了解的常用算法和Al算法分类

阳光普照数据基础 2025-02-20 10:35:09 137阅读举报

来自于公众号：数字化深度思考者

一、应掌握的常用主流算法：

排序算法：冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序、堆排序等。

字符串匹配算法：暴力匹配、KMP算法、Boyer-Moore算法等。

图论算法：最短路径算法、最小生成树算法、拓扑排序等。

动态规划算法：背包问题、最长公共子序列、最长上升子序列等。

查找算法：顺序查找、二分查找、哈希查找等。

贪心算法：最小生成树、单源最短路径等。

分治算法：快速排序、归并排序等。

网络流算法：最大流问题、最小割问题等。

数学算法：欧几里得算法、素数判断、大数计算等。

二、Al常用算法分类

AI公司通常至少有三个关键团队：算法团队、数据团队和工程团队。

Al黄金三要素即算力、算法和数据，因为算力偏硬件级底座，核心是Al芯片、GPU，由硬件厂家操心去，而算法和数据偏软，这是Al公司的工作，好比程序员只写软件而不用去操心服务器硬件怎么设计生产！

当然华为这种超级公司太另类，提供Al全栈技术服务包括Al服务器到Al大模型！

DeepSeek的算法团队设计出稀疏注意力机制（BigBird），显著降低计算成本；数据团队负责数据收集、数据清洗和预处理、各种数据标注和数据管理！

Al常用算法：

①根据解决任务不同划分

二分类算法(Two-class Classification)、多分类算法(Multi-class Classification)、回归算法(Regression)、

聚类算法(Clustering)、

异常检测(Anomaly Detection)

迁移学习

二分类算法

1.二分类支持向量机(Two-class SVM)

2.二分类平均感知器(Two-class Average Perceptron)

3.二分类逻辑回归(Two-class Logistic Regression)

4.二分类贝叶斯点机(Two-class Bayes Point Machine)

5.二分类决策森林(Two-class Decision Forest)

6.二分类提升决策树(Two-class Boosted Decision Tree)

7.二分类决策丛林(Two-class Decision Jungle)

8.二分类局部深度支持向量机(Two-class Locally Deep SVM)

9.二分类神经网络(Two-class Neural Network)

多分类算法

1.多分类逻辑回归(Multiclass Logistic Regression)

2.多分类神经网络(Multiclass Neural Network)

3.多分类决策森林(Multiclass Decision Forest)

4.多分类决策丛林(Multiclass Decision Jungle)

5.“一对多”多分类(One-vs-all Multiclass)

回归算法

1.排序回归(Ordinal Regression)

2.泊松回归(Poission Regression)

3.快速森林分位数回归(Fast Forest Quantile Regression)

4.线性回归(Linear Regression)

5.贝叶斯线性回归(Bayesian Linear Regression)

6.神经网络回归(Neural Network Regression)

7.决策森林回归(Decision Forest Regression)

8.提升决策树回归(Boosted Decision Tree Regression)

聚类算法

1.层次聚类(Hierarchical Clustering)

2.K-means算法

3.模糊聚类FCM算法(Fuzzy C-means，FCM)

4.SOM神经网络(Self-organizing Feature Map，SOM)

异常检测算法

1.一分类支持向量机(One-class SVM)

2.基于PCA的异常检测(PCA-based Anomaly Detection)

迁移学习类算法

1.归纳式迁移学习(Inductive Transfer Learning)

2.直推式迁移学习(Transductive Transfer Learning)

3.无监督式迁移学习(Unsupervised Transfer Learning)

4.传递式迁移学习(Transitive Transfer Learning)

②根据Al训练模式

②根据Al训练模式划分算划

神经网络是Al大模型的主流训练方法

第一代神经网络与第二代神经网络可以分为4类：

监督学习

无监督学习

半监督学习

强化学习

第三代神经网络又称仿生神经网络可以分为：

仿生/模仿学习

浅层有监督

深层有监督（深度强化学习）

Al人工智能本身尚无统一的标准定义，神经网络的划分亦有多种不同视角的划分：

怎么划分不纠缠，看看具体的Al算法，普通用户大致了解下即可！

一、常见的监督学习类算法：

(1)人工神经网络(Artificial Neural Network)类

1.反向传播(Backpropagation)

2.波尔兹曼机(Boltzmann Machine)

3.卷积神经网络(Convolutional Neural Network)

4.Hopfield网络(hopfield Network)

5.多层感知器(Multilyer Perceptron)

6.径向基函数网络(Radial Basis Function Network)

7.受限波尔兹曼机(Restricted Boltzmann Machine)

8.回归神经网络(Recurrent Neural Network)

9.自组织映射(Self-organizing Map)

10.尖峰神经网络(Spiking Neural Network)

(2)贝叶斯类(Bayesin)类：

1.朴素贝叶斯(Naive Bayes)

2.高斯贝叶斯(Gaussian Naive Bayes)

3.多项朴素贝叶斯(Multinomial Naive Bayes)

4.平均依赖性评估(Averaged One-Dependence Estimators)

5.贝叶斯信念网络(Bayesian Belief Network)

6.贝叶斯网络(Bayesian Network)

(3)决策树(Decision Tree)类：

1.分类和回归树(Classification and Regression Tree)

2.ID3算法

3.C4.5算法、C5.0算法

4.卡方自动交互检测(Chi-squared Automatic Interaction Detection)

5.决策残端(Decision Stump)

6.随机森林(Random Forest)

7.SLIQ(Supervised Learning in Quest)

(4)线性分类器(Linear Classifier)类：

1.Fisher的线性判别(Fisher’s Linear Discriminant)

版权声明：
作者：阳光普照
链接：https://www.erpcool.com/p/208fb056bd62e8.html
来源：数据基础
文章版权归作者所有，未经允许请勿转载，若此文章存在违规行为，您可以点击 “举报”。

0条评论

还没有人评论过~

相关问题