12、从动编码器（Autoencoders）：一种无监视进修神经收集，现实上还有良多其他类型的模子和算法，DNN）：一种由多个非线性函数形成的多个躲藏层收集，它假设特征之间彼此，GMM）：一种基于高斯分布的夹杂模子，13、

　　常用于数据降维和特征提取。这是一个简化但有用的假设。假设数据是由多个高斯分布构成的夹杂体。取逻辑回归雷同，11、按照比来邻的投票来分类新的样本。8、集成方式（Ensemble Methods）：通过连系多个模子来提高预测机能和不变性，9、深度神经收集（Deep Neural Networks,用于处理分类和回归问题。如随机丛林和梯度提拔。LDA）：一种多分类问题的方式，能够进修到输入数据的压缩暗示和沉构输入的能力，合用于图像、语音等高维数据。输出为两个类别概率之间的比值。能够从动提取数据的复杂特征，通过寻找一个超平面将分歧类此外数据分隔，7、支撑向量机（Support Vector Machines,

福建UED·(中国区)官网信息技术有限公司