分解和組合的機器學習

banq發表於2014-11-04
轉發自分解和元件的抽象方法

人的這種分解和組合思維能力也可透過機器學習演算法進行模擬,再配合大資料進行訓練,人工智慧也就應運而生。

其實Hadoop的Map/reduce演算法本身就是一個分解和組合的演算法,透過Map進行分解到型別為Key的最小元素,而再透過Reduce基於型別和關係進行組合結果。

正是由於Map/reduce對大資料的分解組合能力,為機器學習人工智慧的發展提供了基礎可能。

機器學習流行演算法一覽列舉了常見的機器學習演算法。

Regression迴歸演算法應該是一種組合方法,迴歸是關注變數之間關係的建模,利用模型預測誤差測量進行反覆提煉。聚類Clustering方法是按照型別組合。

人工神經網路乾脆直接模擬人的神經網路,進行分類和迴歸,也就是分解和組合。

參考:

京東 大 數 據分 析與創新應用

[該貼被banq於2014-11-04 12:18修改過]

相關文章