R語言資料挖掘1.9.1 機器學習方法

<b>1.9.1　機器學習方法</b>

算法的主要類型均列于下方，每個算法由函數f區分。

決策樹（decision tree）：這種形式的f呈樹形，樹的每個節點都有一個關于x的函數，用來确定必須搜尋哪個子節點或者哪些子節點。

感覺器（perceptron）：這些是應用于向量x={x1, x2, …, xn}的分量的門檻值函數。對每個i=1,

2, …, n，權重wi與第i個分量相關聯，且有一個門檻值wixi≥θ。如果門檻值滿足條件，輸出為+1，否則為-1。

神經網絡（neural net）：這些是有感覺器的非循環網絡，某些感覺器的輸出用作其他感覺器的輸入。

基于執行個體的學習（instance-based learning）：此方法使用整個訓練集來表示函數f。

支援向量機（support-vector machine）：該類的結果是一個分類器，它對未知資料更準确。分類的目标是尋找最優超平面，通過最大化兩個類的最近點之間的間隔将它們分隔。