ML

 “无监督学习”的目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，为进一步的数据分析提供基础。 聚类试图将数据集中的样本划分为若干个通常是不相交的子集，每个子集称为一个“簇”。通过这样的划分，每个簇可能对应于一些潜在的概念（类别），这些概念对聚类算法而言事先是未知的，...

感知机有两层神经元，输入层接收外界输入信号后传递给输出层，输出层是M-P神经元，亦称“阈值逻辑单元”。感知机只有输出层神经元进行激活函数处理，即只拥有一层功能神经元，可解决线性可分问题但不能解决非线性可分问题。径向基函数网络(RBF)：一种单隐层前馈神经网络，使用径向基函数作为隐...

    贝叶斯决策论是在概率框架下实施决策的基本方法。 对分类任务来说，在所有相关概率都已知的理想情形下，贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。 估计类条件概率的一种常用策略是先假定其具有某种确定的概率分布形式，再基于训练样本对概率分布的参数进行估计。概...

  本实验采用不同激活函数的神经网络对MNIST数据集进行分类，同时探究隐藏层数量对实验结果的影响。实验的隐藏层主要为1层和2层，而激活函数分别为ReLU、Laaky ReLU和Softmax，输出函数不变均为Softmax。实验数据集为Fashion MNIST数据集，主要用于...

    一棵决策树包含一个根节点、若干个内部节点和若干个叶节点，叶节点对应于决策结果，其他每个节点则对应于一个属性测试，每个节点包含的样本集合根据属性测试的结果被划分到子节点中，根节点包含样本全集。

    利用计算机从历史数据中找出规律，并把这些规律用到对未来不确定场景的决策。