摘要：
第5章 神经网络(Neural Networks) 1.神经元模型 1.1 神经元(neuron)模型是神经网络最基本的成分 1.2 阈值(threshold)，亦称bias 1.3 M-P神经元模型 激活函数(activation function)，亦称响应函数 理想中的激活函数：阶跃函数 将输 阅读全文
摘要：
第6章 支持向量机(Support Vector Machine， 简称SVM) 1.间隔与支持向量 1.1 超平面(w, b) 存在多个划分超平面将两类训练样本分开 目标：粗线体那个划分超平面所产生的分类结果是最鲁棒的，对未见示例的泛化能力最强 线性方程 其中w为法向量，决定超平面的方向，b为位移 阅读全文
摘要：
第4章 决策树(decision tree)亦称“判定树” 1.基本流程 1.1 决策树的组成 一个根节点：包含样本全集 若干个内部节点：对应于一个属性测试 若干个叶节点：对应于决策结果 1.2 决策树的目的 为了产生一棵泛化能力强，即处理未见视例能力强的决策树 为了产生一棵泛化能力强，即处理未见视 阅读全文
摘要：
第3章 线性模型 1.基本形式 1.1 线性模型（linear model） 试图学得一个通过属性的线性组合来进行预测的函数 函数形式： 向量形式： 1.2 非线性模型（nonlinear model） 在线性模型的基础上通过引入层级结构或高位映射而得 1.4 可解释性（comprehensibil 阅读全文