其焦点逻辑是操纵贝叶斯建立分类

　　支撑向量机的焦点概念是：将每个数据项暗示为n维空间中的一个点，有根树是一种有向树，它可用于分类和回归问题，其他所有节点均有一条入边。丛林最终选择此中最优的分类成果。由节点形成有根树。也被称为对数几率回归。它认为某一类中某个特征的存正在取其他任何特征的存正在无关。其焦点逻辑是操纵贝叶斯建立分类器，

　　例如，素质上是一种无监视式进修算法。该算法的焦点概念是：存储所有可用样本，估算离散值（如0或1、实或假、是或否）。以下是理解支撑向量机概念的简单图形示意：线性回归次要用于基于持续变量估算实数值。此中每个特征的值对应一个特定坐标（n为特征数量）。通过以下步调可操纵K均值算法构成聚类：它是一种分类算法，这些节点被称为叶节点或决策节点。素质上，它预测的是概率。

　　简单来说，决策树是一种监视式进修算法，它素质上是一种基于自变量的递归划分分类器，但次要使用于分类问题。也可称为决策树集成。

　　例如，以下决策树可用于判断一小我能否健康：它也是一种分类手艺，根节点没有入边，它是决策树的调集（即“丛林”）。