人工智能（第九周）

1.决策树学习

决策树又称为判定树，是常用于分类和预测的一种树形结构，是应用最为广泛的归纳推理算法之一，决策树学习算法有很多，常用的有ID3,ID4,C4,CART等。

决策树是一种由节点和边构成的用来描述分类过程的层次数据结构。每个节点代表对某一属性的一次测试，每条边代表一个测试结果，叶节点代表某个类或类的分布。在决策树中，从根结点到叶节点的每一条路径，都代表一个具体的实例，并且同一路径上的所有属性之间为合取关系，不同路径为析取关系。

2.神经学习：

神经学习是一种基于人工神经网络的学习方法。神经学习主要是神经网络的训练过程，其主要表现为联结权值的调整;

3.感知学习器：

感知学习器模型是由美国学者F.Rosenblat于1957年提出，是一种早期的神经网络模型，感知器模型中第一次引入了学习的概念，也就是说，可以用基于符号处理的学习的数学方法模拟人脑所具备的学习功能。根据网络中所拥有的计算结点的层数，将其分为单层感知器和多层感知器;

4.