一种对实例进行分类的树形结构，通过多层判断区分目标所属类别本质：通过多层判断，从训练数据集中归纳出一组分类规则优点：计算量校，运算速度快易于理解缺点：忽略属性间的相关性样本分布不均时，影响模型表现问题核心：特征选择，每个节点应该选用哪个特征。

解析：第一次（32-5）/1+1=28，第二次（28-2）/2+1=14，第三次（14-5）/1+1=10，第四次（10-2）/2+1=5.任务：使用VGG16的结构提取图像特征，再根据特征建立mlp模型，实现猫狗图像识别。任务：基于dataset/training_set数据，根据提供的结构，建立CNN模型。计算机根据样本图片，自动寻找合适的轮廓过滤器，对新图片进行轮廓匹配。2、把预处理完成的数

LSTM文本生成实战summary1、通过搭建LSTM模型，实现了基于文本序列的字符生成功能；2、学习了文本加载、字典生成方法；3、掌握了文本的数据预处理方法，并熟悉了转化数据的结构；4、实现了对新文本数据的字符预测。

人工智能分为:符号学习，机器学习。机器学习是实现人工智能的一种方法，深度学习是实现机器学习的一种技术。机器学习：使用算法来解析数据，从中学习，然后对真实世界中是事务进行决策和预测。如垃圾邮件检测，楼房价格预测。深度学习：模仿人类神经网络，建立模型，进行数据分析。如，人脸识别，语义理解，无人驾驶。

LSTM文本生成实战summary1、通过搭建LSTM模型，实现了基于文本序列的字符生成功能；2、学习了文本加载、字典生成方法；3、掌握了文本的数据预处理方法，并熟悉了转化数据的结构；4、实现了对新文本数据的字符预测。

LSTM文本生成实战summary1、通过搭建LSTM模型，实现了基于文本序列的字符生成功能；2、学习了文本加载、字典生成方法；3、掌握了文本的数据预处理方法，并熟悉了转化数据的结构；4、实现了对新文本数据的字符预测。

解析：第一次（32-5）/1+1=28，第二次（28-2）/2+1=14，第三次（14-5）/1+1=10，第四次（10-2）/2+1=5.任务：使用VGG16的结构提取图像特征，再根据特征建立mlp模型，实现猫狗图像识别。任务：基于dataset/training_set数据，根据提供的结构，建立CNN模型。计算机根据样本图片，自动寻找合适的轮廓过滤器，对新图片进行轮廓匹配。2、把预处理完成的数

解析：第一次（32-5）/1+1=28，第二次（28-2）/2+1=14，第三次（14-5）/1+1=10，第四次（10-2）/2+1=5.任务：使用VGG16的结构提取图像特征，再根据特征建立mlp模型，实现猫狗图像识别。任务：基于dataset/training_set数据，根据提供的结构，建立CNN模型。计算机根据样本图片，自动寻找合适的轮廓过滤器，对新图片进行轮廓匹配。2、把预处理完成的数

LSTM文本生成实战summary1、通过搭建LSTM模型，实现了基于文本序列的字符生成功能；2、学习了文本加载、字典生成方法；3、掌握了文本的数据预处理方法，并熟悉了转化数据的结构；4、实现了对新文本数据的字符预测。

人工智能分为:符号学习，机器学习。机器学习是实现人工智能的一种方法，深度学习是实现机器学习的一种技术。机器学习：使用算法来解析数据，从中学习，然后对真实世界中是事务进行决策和预测。如垃圾邮件检测，楼房价格预测。深度学习：模仿人类神经网络，建立模型，进行数据分析。如，人脸识别，语义理解，无人驾驶。