R语言数据挖掘1.9.1 机器学习方法

<b>1.9.1　机器学习方法</b>

算法的主要类型均列于下方，每个算法由函数f区分。

决策树（decision tree）：这种形式的f呈树形，树的每个节点都有一个关于x的函数，用来确定必须搜索哪个子节点或者哪些子节点。

感知器（perceptron）：这些是应用于向量x={x1, x2, …, xn}的分量的阈值函数。对每个i=1,

2, …, n，权重wi与第i个分量相关联，且有一个阈值wixi≥θ。如果阈值满足条件，输出为+1，否则为-1。

神经网络（neural net）：这些是有感知器的非循环网络，某些感知器的输出用作其他感知器的输入。

基于实例的学习（instance-based learning）：此方法使用整个训练集来表示函数f。

支持向量机（support-vector machine）：该类的结果是一个分类器，它对未知数据更准确。分类的目标是寻找最优超平面，通过最大化两个类的最近点之间的间隔将它们分隔。