机器学习算法认识

目录

• 按学习方式分类
• 按使用的算法类型分类
• 深度学习的发展路线
• 按解决的问题分类

---

人工智能：
人工智能泛指人工（人类）制造出的一切智能体。

智能的特征：

1. 学习能力（Learning）
2. 推理能力（Reasoning）
3. 适应能力（Adaptation）
4. 问题解决（Problem Solving）
5. 感知与交互（Perception & Interaction）
6. ....

机器学习是科学的一个分支，它使计算机能够学习、适应、推测模式，并在没有明确编程指令的情况下相互通信。

人工智能的的层级：
人工智能 > 机器学习 > 深度学习 > LLM

按学习方式分类

                         机器学习 ML
                              │
                 ┌────────────┼────────────┐
                 │            │            │
                 ↓            ↓            ↓
              监督学习      无监督学习     强化学习
                 │            │            │
              有标签         无标签       奖励/惩罚
                 │            │            │
           ┌─────┴─────┐   ┌──┴─────┐      │
           ↓           ↓   ↓        ↓      ↓
         分类          回归  聚类     降维   学习策略

---

按使用的算法类型分类

                 机器学习
                    │
             使用什么模型/技术？
                    │
           ┌────────┴────────┐
           ↓                 ↓
       传统机器学习         深度学习
           │                 │
      ┌────┼────┐       ┌────┼────┐
      ↓    ↓    ↓       ↓    ↓    ↓
     决策树 SVM 随机森林  CNN  RNN Transformer

深度学习的发展路线

                     深度学习
                         │
                    Transformer （架构）
                         │
                     大规模预训练
                         │
                         ↓
                        LLM（模型类别）
                         │
              ┌──────────┼──────────┐
              ↓          ↓          ↓
            GPT        Gemini      Claude （具体模型）
              │
              ↓
        后训练 / 推理能力
              │
       ┌──────┼──────┐
       ↓      ↓      ↓
      对话    推理   工具调用
                       │
                       ↓
                     Agent

---

按解决的问题分类

除了上述的分类方式，还有按能解决问题类型来分类：