摘要： 感知器 分类超平面？ 感知器训练法则 要求线性可分，不是的话不能收敛 梯度下降和delta法则 曲面 单一全局最小值 最陡峭下降方向 训练误差 梯度：最陡峭上升方向 训练法则 调整：随着梯度下降减小学习速率 梯度下降随机近似: 下降步长小，不易陷入局部最优解 不用所有训练样本，改用单一 增量法则 阅读全文

摘要： 决策树：逼近离散值目标函数 适用问题：离散值分类 选择分类能力最好的属性根节点 度量： 熵 正例反例 同属于一类0，正=反 1 优选偏置，限定偏置 过度拟合：随机错误，噪声 数据太少 解决： 尽早停止树增长 修剪： 1.错误率降低修剪 2.规则后修剪 转换成规则 合并连续值属性 定义新属性，区间中值 阅读全文

摘要： 从训练样本归纳出定义 正例，反例，训练样例D，可能假设的集合H 假设数量：语法不同，语义不同 假设一般到特殊序 ≥g k是j子集 Find-S: 多个假设中的一个 初始化全反例 每个训练样本泛化到一致最特殊 不考虑反例 列表后消除算法： 列出所有消除反例 候选消除算法：与训练样例一直的所有假设集合， 阅读全文