人工智能基础与应用（第2版）（微课版）课件 4-2 几种主要的分类器.pptx

4-2几种主要的分类器模块?分门别类：帮你“分而治之”

目录CONTENTS决策树01k近邻分类器03贝叶斯分类器02神经网络05支持向量机04

一.决策树概念决策树（decisiontree）：用于决策的一棵“树”，它从根节点出发，通过决策节点对样本的不同特征进行划分，按照结果进入不同的选择分支，最终到达某一叶子节点，获得分类结果。垃圾邮件分类决策树：

二.贝叶斯分类器1.概念贝叶斯分类器（bayesclassifier）：就是对于给定的分类项，利用贝叶斯定理，求解该分类项在预先给定条件下各类别中出现的概率，哪个概率最大，就将其划分为哪个类别。贝叶斯定理公式：

二.贝叶斯分类器2.举例用贝叶斯分类器来判定垃圾邮件：?x=[1,0]分别表示正常邮件和垃圾邮件E:由n个关键词组成的邮件

三.k近邻分类器概念k近邻（k-NearestNeighbor，KNN）分类器:把每个具有n个特征的样本看作n维空间的一个点，对于给定的新样本，先计算该点与其他点的距离（相似度），然后将新样本指派为周围k个最近邻的多数类。什么形状的物体

四.支持向量机1.概念支持向量机（SupportVectorMachine，SVM）：基本思想是通过非线性映射，把样本空间映射到一个高维的特征空间，将原本样本空间线性不可分的问题，转化成在高维空间通过线性超平面将样本完全划分开的问题。不可分：可分：

四.支持向量机1.原理超平面离直线两边的数据的间隔越大，对训练集的数据的局限性或噪声有最大的容忍能力，也就是所谓的鲁棒性。支持向量机就是要找到使这个间隔最大的决策超平面。

五.神经网络1.概念?神经网络（NeuralNetwork）?是一种模仿动物神经网络行为特征进行分布式并行信息处理的算法数学模型。权重值w激活函数φ加权求和及函数sgn处理神经网络基本结构：

人工智能基础与应用Thankyouverymuch!