周志华----机器学习2

第四章----决策树

样本的分类的任务,可看做是对“当前样本属于正类吗?”这个问题的“决策”或“判定”过程

其基本流程遵循简单且直观的“分而治之”的策略

决策树的生成是一个递归的过程

周志华----机器学习2_第1张图片

 剪枝处理

是决策树学习算法对付过拟合的主要手段

第五章----神经网络-是一种难解释的“黑箱模型”

线性可分问题:与、或、非问题

非线性可分问题:异或问题。使用多层功能神经网络

误差逆传播算法(BP算法):实质是LMS算法的推广。LMS试图使网络的输出均方误差最小化。亦称广义θ算法

模拟退火技术

梯度下降法

遗传算法

RBF(径向基函数)网络

ART网络

SOM网络(自组织映射)---无监督神经网络。在聚类、高维数据可视化、图像分割有广泛应用

级联相关网络

Elman网络

Boltzmann机

深度学习(特征学习\表示学习)

典型的深度学习模型就是很深层的神经网络

无监督逐层训练时多隐层网络训练的有效手段。

第六章----支持向量机

你可能感兴趣的:(机器学习,决策树,算法)