其概念是从初始数据中构建多个分类器，然后在描述未知示例时聚合它们的预测。集成分类器可以通过多种方法构建，如下所示：通过操作训练集——在这种方法中，通过根据某种采样分布对初始数据进行重采样来生成多个训练集。采样分布决定了实例被选为训练的可能性，并且它可以从一次试验变为另一次试验。使用特定的学习算法从每个训练集中构建分类器。Bagging 和 boosting 就是实例……阅读更多

支持向量机 (SVM) 是一种受到了相当关注的分类方法。这种方法源于统计学习理论，并在从手写数字识别到文本分类的多个实际应用中展现出令人鼓舞的经验结果。SVM 还适用于高维数据，并避免了维数灾难问题。该方法的第二个要素是它使用训练实例的子集（称为支持向量）来定义决策边界。SVM 可以被训练为明确地查看线性可分数据中的这种类型的超平面。它可以通过展示 SVM 如何……阅读更多

人工神经网络是一个基于生物神经网络功能的系统。它是生物神经系统的模拟。人工神经网络的特点是存在多种结构，需要多种算法方法，但无论是一个复杂的系统，神经网络都很容易。这些网络介于主管工具箱中的特定信号处理科学之间。这个领域是高度跨学科的，但是这种技术会将视野限制在工程的角度。输入/输出训练数据在神经网络技术中至关重要，因为它们发送必要的记录来“查找”最佳……阅读更多

人工神经网络是一个基于生物神经网络功能的系统。它是生物神经系统的模拟。人工神经网络的特点是存在多种结构，需要多种算法方法，但无论是一个复杂的系统，神经网络都很容易。这些网络介于主管工具箱中的特定信号处理科学之间。这个领域是高度跨学科的，但是这种方法会将视野限制在工程的角度。在工程中，神经网络产生两个基本功能，作为模式分类器和非线性自适应滤波器。人工神经网络……阅读更多

人工神经网络的机制比感知器模型复杂得多。多层人工神经网络中有多种方法，如下所示：网络可以在其输入层和输出层之间包含多个中间层。这些中间层被称为隐藏层，安装在这些层中的节点被称为隐藏节点。生成的架构称为多层神经网络。在前馈神经网络中，一层中的节点仅连接到下一层中的节点。感知器是一个单层前馈神经网络，因为它具有……阅读更多

人工神经网络是一个基于生物神经网络功能的系统。它是生物神经系统的模拟。人工神经网络的特点是存在多种结构，需要多种算法方法，但无论是一个复杂的系统，神经网络都很容易。这些网络介于主管工具箱中的特定信号处理科学之间。这个领域是高度跨学科的，但是这种技术会将视野限制在工程的角度。在工程中，神经网络产生两个基本功能，作为模式分类器和非线性自适应滤波器。人工神经网络……阅读更多

朴素贝叶斯分类器做出类条件独立性的假设，即，给定元组的类标签，属性的值被认为是彼此条件独立的。这定义了评估。当假设成立时，因此朴素贝叶斯分类器与多个分类器相比是有效的。它可以表示联合条件概率分布。它们能够在变量子集之间表示类条件独立性。它们支持因果关系的图形结构，可以对其进行学习。训练好的贝叶斯信念网络用于分类。贝叶斯信念网络也称为信念网络……阅读更多

贝叶斯分类器是统计分类器。它可以预测类成员概率，例如将给定样本应用于特定类的概率。贝叶斯分类器在拥有大型数据库时也显示出很高的效率和速度。因为类是定义的，所以系统必须推断出控制分类的规则，因此系统必须能够发现每个类的描述。描述必须定义训练集的预测属性，以便只有正实例必须满足描述，而不是负实例。如果规则的描述覆盖……则称该规则正确。阅读更多

最近邻规则在没有关于从中抽取训练实例的分配的先前假设的情况下，经常产生高性能。它包括正负案例的训练集。通过计算到方便的训练案例的距离来定义新样本；然后该点的符号决定样本的分类。k-NN 分类器通过获取 k 个最近的点并创建多数的符号来增强这一概念。通常选择 k 为小奇数以划分联系（通常为 1、3 或 5）。较大的 k 值有助于减少……的影响。阅读更多

这是一种广泛使用的规则归纳算法，称为 RIPPER。该算法几乎与多个训练实例线性缩放，尤其适合从具有过载类分布的数据集中构建模型。RIPPER 还适用于噪声数据集，因为它使用验证集来防止模型过拟合。RIPPER 选择多数类作为其默认类，并了解识别少数类的规则。对于多类问题，类按其频率排序。(y1 y2...yc) 是有序类，其中 y1 是频率最低的类，yc 是频率最高的类。在……期间阅读更多