三张SD提示卡代表的分类算法解开了吗？

第一张是树，第二张是空间，第三张是神经元

#树

如果要预测小明的爷爷、大伯、阿姨、姐姐谁最有可能喜欢打篮球呢？

你会怎么猜呢？

我们一同梳理思路…

就会得到一张分支结构的判断图，这个过程对应的算法就是“决策树”，需要你知道临界条件。

 

面对未知事物需要分类时，往往我们很难一下准确的找到最佳的分类方法，那该怎么办呢？

一个数据，同时输入多个随机生成的决策树，当然每个树都会得到一个结果，我们统计结果的次数，最多的结果最终输出为结论，这个方法就是“决策林”，也叫做“随机森林”。

 

 

#空间

看到空间，同学们一定想到了划线

那这条分界线该如何去画呢？

 

方法一：K最邻近

将数据集置于空间中，我们根据预测点到已知点的距离远近，判定类别，与最近的点为同一类，这是K最邻近。

 

方法二：感知器

如果我们事先画好了一条分界线，根据错误反馈慢慢调整分界线，这就是感知器。

如图：

方法三：支持向量机

如果寻找一条最粗的分界线，这就是支持向量机。

#神经元

图中为生物中的神经元结构，而人工神经网络（ANNs）是一种模仿动物神经网络行为特征，进而分布式信息处理的数学算法模型。

1943年，心理学家和数理学家建立了神经网络的数学模型，即MP模型。

此图并不是完整的MP模型，后面我们会逐步了解模型的全貌。

简单的讲，要对所有输入的数据求和、函数处理，最后会得到一个输出值。

 

而简图模型不是一个神经元的模型，而叫做突触。

在数学模型中，神经元又是如何织网工作的呢？

下一篇见！