江筝小霸王

MLP同样也可以用于分类和回归任务，让我们看看他们都需要什么设置，以及在playgroud上可视化训练结果。

单层的感知器在使用的过程中，人们发现它存在很多的问题，以及无法解决一些复杂的问题，因此通过堆叠感知器，使用多层感知器解决复杂问题。

McCulloch和Pitts提出了一个非常简单的生物神经元模型，该模型后来被称为神经元。基于神经元设计感知器，并学习如何使用。

本篇文章继续讲一下新的聚类方法-DBSCAN，它能够在集群足够密集并且被低密度区域很好分割开的数据集上表现得很好。

本次使用load_digits数字数据集，通过比较单独使用逻辑回归和实现聚类预处理后使用逻辑回归的准确度，发现预处理后准确率更好。同时还可以进行半监督学习。

让我们使用K-Means实现一个简单的图像颜色分割。我们将不同的颜色聚类，然后减少颜色的数量后，看看会展示出如何不同的图像。

前面有了基本的K-Means算法的了解，接下来让我们继续看看K-Means算法的实现。 K-Means算法其实也是一种简单的算法。

本片开始介绍无监督学习的任务之一聚类，以及他比较常用的一种算法：K-Means。本篇主要讲了一下大概，入一下K-Means的们。

不知道读者是否还记得之前SVM中提到的数学方法-内核方法。在PCA中也有内核方法，它通过执行复杂的非线性投影来降低维度。