支持向量机、逻辑回归、决策树等经典的机器学习算法主要用于分类问题，即根据一些己给定类别的样本， 训练某种分类器，使得它能够对类别未知的样本进行分类。与分类问题不同，聚类是在事先并不知道任何样本类别标签的情况下，通过数据之间的内在关系把样本划分为若干类别，使得同类别样本之间的相似度高 ， 不同类别之间的样本相似度低。分类问题属于监督学习的范畴 ， 而聚类则是非监督学习。K 均值聚类K均值聚类（ K-

BN层介绍BN，全称Batch Normalization,是2015年提出的一种方法，在进行深度网络训练时，大都会采取这种算法。原文链接：Batch Normalization: Accelerating Deep Network Training byReducing Internal Covariate ShiftBN被广泛应用于深度学习的各个地方，由于在实习过程中需要修改网络，修改的网络在

BN层介绍BN，全称Batch Normalization,是2015年提出的一种方法，在进行深度网络训练时，大都会采取这种算法。原文链接：Batch Normalization: Accelerating Deep Network Training byReducing Internal Covariate ShiftBN被广泛应用于深度学习的各个地方，由于在实习过程中需要修改网络，修改的网络在