人工智能三大核心算法？1.決策樹據(jù)一些feature接受分類，所有節(jié)點提一個問題，按照判斷，將數(shù)據(jù)統(tǒng)稱兩類，再一直提問。這些問題是依據(jù)什么僅是數(shù)據(jù)怎么學習出的，再耗去新數(shù)據(jù)的時候，就可以不依據(jù)什么這棵

人工智能三大核心算法？

1.決策樹

據(jù)一些feature接受分類，所有節(jié)點提一個問題，按照判斷，將數(shù)據(jù)統(tǒng)稱兩類，再一直提問。這些問題是依據(jù)什么僅是數(shù)據(jù)怎么學習出的，再耗去新數(shù)據(jù)的時候，就可以不依據(jù)什么這棵樹上的問題，將數(shù)據(jù)劃分到適合的葉子上。

2.隨機森林

在源數(shù)據(jù)中洗技能所選數(shù)據(jù)，分成幾個子集；S矩陣是源數(shù)據(jù)，有1-N條數(shù)據(jù)，ABC是feature，之后一列C是類別；由S隨機生成M個子矩陣。

3.馬爾可夫

MarkovChains由state和transitions排成；

的或，據(jù)這一句話‘thequickbrownfoxjumpsmissedthelazydog'，要能夠得到markovchain；

步驟，先給每一個單詞設定成一個狀態(tài)，后再換算狀態(tài)間轉換的的概率；

這是一句話換算出來的概率，當你用大量文本去做統(tǒng)計的時候，會得到非常大的狀態(tài)轉移矩陣，或者the后面可以不連接的單詞，及或者的概率；

生活中，鍵盤輸入法的備選結果又是一樣的的原理，模型會更高級

人工智能有哪些類型？

智能是人類知識有一種的嗎？還是是從搜索和自學完成的呢？乃至于是知識搜索去學習我得到的？智能比較多表現(xiàn)在可能性的大小上而不單是現(xiàn)實的東西性嗎？

RichSutton反對過傳統(tǒng)人工最終形成知識的方法，諸如知識它表示或半自動統(tǒng)合的啟發(fā)式函數(shù)，他以為痛苦的教訓是基于條件歷史的觀察，即：1）人工智能研究人員老愛試圖將知識最終形成到他們的智能體中；2）從短期來看，這我總是有幫助的，但是對研究人員來說是個人清楚的，可是從長期來看，它會停滯不前，甚至還會阻隔及時的進展；3)通過基于條件搜索和學習的縮放算出的只不過方法，很有可能會終于得到顛覆性的進展。

一、元知識的概念

元知識的定義

目前對元知識的定義，在學術界還沒有三個嚴格的的概念。通常來說，元知識那就是“關于知識的知識”。

元知識可為了描述一類知識或知識集合所中有的內(nèi)容、基本上結構和象特征。沒有元知識,人們沒能描述知識、可以使用知識和認識知識。在自動控制與人工智能等系統(tǒng)領域中,象把使用和操縱該系統(tǒng)領域知識的知識稱為元知識。元知識不是什么領域知識,不能幫忙解決具體知識領域問題；只不過是關于各領域知識的性質(zhì)、結構、功能、特點、規(guī)律、排成與在用的知識,是管理、控制和使用領域知識的知識。

元知識是思想和意識的核心,如果不是沒有能夠掌握元知識的，就肯定不能去學習和認知都差不多的知識，元知識這對人們認知系統(tǒng)的建立起著不重要作用。人工智能和深度學習領域研究各種各樣的智能系統(tǒng)，自主學習機制均是以模擬人腦思維活動為目的,就沒學習元知識的能力的智能系統(tǒng)最少不能不能算是一個智能系統(tǒng)。

二、知識的分類

布魯姆在學目標分類學方面接受了開創(chuàng)性工作，他將怎么學習目標可分認知、情感和動作技能三大領域。在認知領域，其認知教育目標分類學將將教育目標分成三類知識、體會、應用、分析、綜合、作品評價等六個類別。

布魯姆認知目標歸類孕育而出幾十年來，對其作出修訂工作一直是沒有停過。以加涅的學習結果分類理論和安德森的才能產(chǎn)生式理論這些以安德森走在最前面的團隊并且的布魯姆認知分類修訂版中最著名。

加涅的認知學習結果分類

加涅將肯定的學習結果可分五類：陳述性知識、智慧技能、認知策略、動作技能和態(tài)度，每一種分類又可以不分為相同的亞類。如下圖所示：