![83bf5185ac553623b4af8266c08a1203.png](https://img-blog.csdnimg.cn/img_convert/83bf5185ac553623b4af8266c08a1203.png)
点击蓝字关注我们
Lunchbox作为Grasshopper的一个插件,主要用于曲面细分嵌板、创建特定函数曲面以及数据读取和管理等方面。除此之外,还有曲面分形、形态扰动和机器学习组件。Nathan Miller是其主要创建者,官网介绍如下。
![2cdcf5cf2733cffd9ce4bfd60b885f4b.png](https://img-blog.csdnimg.cn/img_convert/2cdcf5cf2733cffd9ce4bfd60b885f4b.png)
(https://provingground.io/tools/lunchbox/)
其中在Lunchbox的MachineLearning(ML)的组件内,主要可分为三部分功能:1、回归拟合,包括简单线性回归,多重线性回归、曲线拟合和逻辑斯蒂克回归分析。2、聚类分析,包括K-means聚类和高斯混合聚类。3、概率分类器,包括朴素贝叶斯分类和隐马尔可夫模型。4、神经网络和受限玻尔兹曼机(RBM)。如下图所示。本文主要结合苏州古典宅园空间的类型划分问题,探索K-means聚类和神经网络这两个运算器的应用。