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.