AI日报（11.15）

原文传送门：http://geek.youkuaiyun.com/news/detail/116236

今日精选四篇优快云优质博文，涉及到分类算法、无人驾驶、以及对机器学习未来的探讨。点击题目即可进入全文。

---

---

机器学习入门之朴素贝叶斯法

朴素贝叶斯法是基于贝叶斯定理和特征条件独立假设分类方法。对于给定训练集，首先基于特征条件独立性的假设，学习输入/输出联合概率（计算出先验概率和条件概率，然后求出联合概率）。然后基于此模型，给定输入x，利用贝叶斯概率定理求出最大的后验概率作为输出y。朴素贝叶斯法实现简单，学习和预测效率都很高，是一种常用的分类方法。

增强学习在无人驾驶中的应用

本文为《程序员》原创文章，是无人驾驶技术系列的第六篇，着重介绍增强学习在无人驾驶中的应用。增强学习的目的是通过和环境交互，学习如何在相应观测中采取最优行为。相比传统的机器学习，它有以下优势：首先，由于不需要标注的过程，可以更有效地解决环境中存在的特殊情况。其次，可以把整个系统作为一个整体，从而对其中的一些模块更加鲁棒。最后，增强学习可以比较容易地学习到一系列行为。这些特性十分适用于自动驾驶决策过程，我们在本文深入探讨增强学习如何在无人驾驶决策过程中发挥作用。

分类算法——决策树之ID3算法

决策树算法是从数据的属性（或者特征）出发，以属性作为基础，划分不同的类。ID3算法是由Quinlan首先提出的，该算法是以信息论为基础，以信息熵和信息增益为衡量标准，从而实现对数据的归纳分类。本文分为决策树分类算法、ID3算法、划分数据的依据、以及实验仿真四个模块。

图灵奖50年，AI的发展与未来

今年是图灵奖设立50周年，谷歌大脑负责人Jeff Dean和CMU计算机科学与机器人学教授Raj Reddy在庆典上回答了关于目前人工智能发展的5个问题，包括AI实例、社会影响、道德问题等。