BP神经网络是误差反向传播算法误差反向传播算法是根据权重，反推各神经元的误差：具体步骤为：当最终根据神经网络得到各个输出神经元的输出值后，分别根据输出值和真实值的差计算出每个输出神经元的误差，得到每个输出神经元的输出误差之后，根据每个输出神经元和前一层神经元连接的权值分别计算出上一个神经元的误差，依次类推，然后用梯度下降法修正相对应的权值。这就是误差反向传播算法。BP神经网络 = 多层感知机+误差

人工神经网络研究人工神经网络研究的目的和意义：目的：探索和模拟人的感觉、思维和行为的规律，设计具有智能的计算机系统探讨人脑的只能活动，用物化了的只能来考察和研究人脑智能的物质过程及规律。意义：争取构造出尽可能与人脑具有相似功能的计算机，即ANN计算机研究出仿照神经系统的人工神经网络，将在模式识别、组合优化和决策判断等方面取得传统计算机所难以达到的效果。广义上的人工神经网络：是对人脑或者自然神经网络

人工神经网络研究人工神经网络研究的目的和意义：目的：探索和模拟人的感觉、思维和行为的规律，设计具有智能的计算机系统探讨人脑的只能活动，用物化了的只能来考察和研究人脑智能的物质过程及规律。意义：争取构造出尽可能与人脑具有相似功能的计算机，即ANN计算机研究出仿照神经系统的人工神经网络，将在模式识别、组合优化和决策判断等方面取得传统计算机所难以达到的效果。广义上的人工神经网络：是对人脑或者自然神经网络

自动编码机自动编码器就是一种尽可能复现输入信号的神经网络为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要因素，和主成分分析类似，找到可以代表原信息的主要成分一般的神经网络学习都是有标签的学习，根据当前计算的输出值和label之间的差去改变前面各层的参数，直到收敛。但是对于无标签的数据，神经网络无法进行反向传播进行训练，此时需要找到一个特征进行学习。无监督学习过程：将input输入一个

手写字识别对手写字体图片进行识别最重要的一点就是要将其转化为二值化（就是就是将图像上的像素点或灰度值设置为0或1，其呈现就是非黑即白）后的数据，然后再进行处理，在手写体处理中，二值化就是有手写笔画的部分用1表示，其余部分用0表示（当然也可以根据自己所写的算法进行调整）手写字识别可以用很多种算法来计算，首先用Knn算法来实现：Knn算法进行手写数字的识别# -*- coding: utf-8 -*-

决策树（Decision Tree）决策树又称为判定树，是数据挖掘中的一种重要的分类与回归方法，它是一种以树结构(包括二叉树和多叉树)形式来表达的预测分析模型是一种有监督的算法决策树有两种，一种是分类树（输入是离散的），一种是回归树（输入是连续的）决策树由节点和分支组成：（详情参考数据结构书本）节点分为三种：根节点，内部节点，叶节点分支：用于连接各个节点决策树分为以下结构：每个内部节点对应于某个属

BP神经网络是误差反向传播算法误差反向传播算法是根据权重，反推各神经元的误差：具体步骤为：当最终根据神经网络得到各个输出神经元的输出值后，分别根据输出值和真实值的差计算出每个输出神经元的误差，得到每个输出神经元的输出误差之后，根据每个输出神经元和前一层神经元连接的权值分别计算出上一个神经元的误差，依次类推，然后用梯度下降法修正相对应的权值。这就是误差反向传播算法。BP神经网络 = 多层感知机+误差

主成分分析（无监督降维）降维技术：特征选择：从一个特征的集合里面，挑选出相应的特征。是直接抽取特征提取：不仅仅是提取了，而是通过组合或运算的方式，从现有的特征中抽象出新的特征。注意这个新特征并不属于原本的特征集合。是需要加工特征选择会影响模型的效果在实验数据分析模块，数据可视化等也需要维数约简，因为一般可以可视化的数据通常为二维或者三维主成分分析就是把原有的多个指标转化为少数几个代表性较好的综合指

手写字识别对手写字体图片进行识别最重要的一点就是要将其转化为二值化（就是就是将图像上的像素点或灰度值设置为0或1，其呈现就是非黑即白）后的数据，然后再进行处理，在手写体处理中，二值化就是有手写笔画的部分用1表示，其余部分用0表示（当然也可以根据自己所写的算法进行调整）手写字识别可以用很多种算法来计算，首先用Knn算法来实现：Knn算法进行手写数字的识别# -*- coding: utf-8 -*-

人工神经网络研究人工神经网络研究的目的和意义：目的：探索和模拟人的感觉、思维和行为的规律，设计具有智能的计算机系统探讨人脑的只能活动，用物化了的只能来考察和研究人脑智能的物质过程及规律。意义：争取构造出尽可能与人脑具有相似功能的计算机，即ANN计算机研究出仿照神经系统的人工神经网络，将在模式识别、组合优化和决策判断等方面取得传统计算机所难以达到的效果。广义上的人工神经网络：是对人脑或者自然神经网络