摘要：
/*神经网络SOM算法思想：分为输入层和竞争层，输入层就是样本的输入，假如我现在有5个样本A,B,C,D,E,他们是5维向量，竞争层是10*10的二维平面，相当于100个神经元，这些神经元也是5维向量，这些神经元对输入向量进行竞争，最后只有一个神经元获胜，越是与输入向量相似，竞争力越强，假如现在位于(7,8)的神经元最相似，它有权力去修改以它为中心的神经元的值，越靠近它的神经元影响越大，越是接近... 阅读全文
摘要：
/*K-中心点算法思想: 将n个样本分成k个聚类，每个聚类里的样本关联性（相似性）较强。假如我现在有5个样本，分别是A,B,C,D,E,他们是二维向量。第一步是随机选择其中两个样本，就选A和B好了，并称他们为中心点，其他的称为非中心点，即C,D,E为非中心点。第二步，将非中心点归类到距离它最近的那个中心点的聚类。比如现在C归到A的聚类中，D归到B的聚类中，E归到A的聚类中，此时A,C,E是一个聚... 阅读全文
摘要：
/*K-Means思想: 将n个样本分成k个聚类，每个聚类里的样本关联性(或者说是相似性)比较高。举个例子，假如有5个样本，每个样本是一个2维向量，分别记做A,B,C,D,E,我要将他们分成2个聚类，第一步是随机选2个样本（也可以是虚拟的）把它们当做中心点，然后将A,B,C,D,E归类到距离最小的那个中心点，之后再对每个聚类进行调整中心点，假如现在A,B,C是一个聚类，D,E是一个聚类，调整的方... 阅读全文
摘要：
/*决策树ID3算法思想:从根节点开始，每一步的选择决定朝下一层的哪个节点走去，到达叶子节点即是它所属的类别，举个例子:假如要判断某一天是否适合打网球，分成两类:是和否。有3个因素对其有影响，分别是天气，温度和是否有风，天气有3个值：晴，多云，有雨。温度有3个值：高，正常，低。是否有风有两个值：是和否。现在我要选择3个因素中哪一个作为根节点最好呢？这里涉及一个计算信息增益的问题，可以通过数学的相... 阅读全文