人工智能三大算法

1、 決策樹

根據一些 feature 進行分類，每個節點提一個問題，通過判斷，將數據分為兩類，再繼續提問。這些問題是根據已有數據學習出來的，再投入新數據的時候，就可以根據這棵樹上的問題，將數據劃分到合適的葉子上。

2、 隨機森林

在源數據中隨機選取數據，組成幾個子集

S 矩陣是源數據，有 1-N 條數據，A B C 是feature，最後一列C是類別

由 S 隨機生成 M 個子矩陣。

3、 馬爾可夫

Markov Chains 由 state 和 transitions 組成

例如，根據這一句話 ‘the quick brown fox jumps over the lazy dog’，要得到 markov chain

步驟，先給每一個單詞設定成一個狀態，然後計算狀態間轉換的概率

這是一句話計算出來的概率，當你用大量文本去做統計的時候，會得到更大的狀態轉移矩陣，例如 the 後面可以連接的單詞，及相應的概率

生活中，鍵盤輸入法的備選結果也是一樣的原理，模型會更高級