AI算法分类与应用：机器学习、深度学习与推荐系统

# AI算法分类与应用
## 机器学习算法
- **监督学习**
  - **回归算法**
    - 线性回归
      - 单变量线性回归
      - 多变量线性回归
    - 岭回归
    - Lasso回归
    - 弹性网回归
  - **分类算法**
    - 决策树
      - CART
      - ID3
      - C4.5
    - 支持向量机
    - k近邻算法
    - 神经网络
      - 多层感知器（MLP）
      - 激活函数
  - **评估指标**
    - 准确率
    - 精确率
    - 召回率
    - F1-score
- **无监督学习**
  - **聚类算法**
    - k均值聚类
      - 确定k值的方法
    - 层次聚类
      - 准备方法
    - DBSCAN
      - 参数选择
  - **降维算法**
    - 主成分分析（PCA）
      - 方差解释
    - t-SNE
    - 线性判别分析（LDA）
- **半监督学习**
  - 自训练
  - 协同训练
  - 图传播
- **强化学习**
  - **基本概念**
    - 智能体
    - 环境
    - 奖励
  - Q-learning
  - 深度强化学习
    - DQN
    - A3C
## 深度学习算法
- **基本模型**
  - 人工神经网络
  - 卷积神经网络（CNN）
    - 卷积层
    - 池化层
    - 全连接层
  - 循环神经网络（RNN）
    - LSTM
    - GRU
- **生成模型**
  - 生成对抗网络（GAN）
    - 条件GAN
    - CycleGAN
  - 变分自编码器（VAE）
## 自然语言处理算法
- **词嵌入**
  - Word2Vec
  - GloVe
  - FastText
- **序列模型**
  - 循环神经网络（RNN）
  - Transformer模型
- **预训练模型**
  - BERT
  - GPT
  - RoBERTa
## 计算机视觉算法
- **基本任务**
  - 目标检测
    - Faster R-CNN
    - YOLO
  - 语义分割
    - FCN
    - U-Net
  - 图像分类
    - ResNet
    - Inception
## 推荐系统算法
- **推荐机制**
  - **协同过滤**
    - 基于用户的
    - 基于物品的
  - **内容推荐**
    - 基于内容的
    - 特征提取
  - **混合推荐**
    - 融合方法
    - 系统模型
## 优化算法
- **元启发式算法**
  - 遗传算法
    - 基因表示
    - 选择机制
  - 粒子群优化
    - 速度更新
    - 个体综合
  - 梯度下降法
    - 学习率调整
    - 动量法
## 图算法
- **基本概念**
  - 图的表示
  - 图的遍历
- **先进算法**
  - 图神经网络
  - 最短路径算法
    - Dijkstra算法
    - Bellman-Ford算法
  - 社区检测算法
    - Louvain方法
    - 基于标签传播的方法