监督学习和非监督学习\n首先关于监督学习和非监督学习的区别，监督学习是有一组训练集，并且训练集都标注好了类别属性，我们可以通过训练集来构建分类模型和分类标准。非监督学习的训练集则不带有类别属性，我们需要通过比较训练集的特点构建不同的集群。\n\n分类算法（Classification)\n分类算法就属于前文提到的监督学习中的一种，我们需要通过已知类别属性的训练集来构建分类模型，通过构建好的模型对未知类别属性的数据进行预测。所以分类算法大致包含三部分：模型构建，模型的检测和模型使用。\n\n决策树归纳\n决策树归纳，顾名思义是构建一颗类似树结构的分类模型。\n\n信息熵。\n信息增益就是两者的差，对每一个属性计算他的信息增益，选取大的一个构建分支。\n之后对每个分支采用相同的方法进行分类，知道D的信息熵为0，也就是分类后所有数据的D值相同，结束分类。或者当所有属性都用完之后，还有一些分支信息熵不为0，这个时候就只能进行统计，然后选取数量较多的值作为最终值。
你是否还在寻找稳定的海外服务器提供商？创新互联www.cdcxhl.cn海外机房具备T级流量清洗系统配攻击溯源，准确流量调度确保服务器高可用性，企业级服务器适合批量采购，新人活动首月15元起，快前往官网查看详情吧