- 这些非常准确的错误是在结果中识别出来的，并分布回隐藏层。
- 这些方法比任何其他分析方法都更便宜
缺点：
- 这是一种耗时的方法，因为 电话号码数据库我们首先让整个过程运行，然后在识别错误后再返回，这与其他方法相比通常非常耗时。
决策树表示
法。这些结构类似于树，可以直观、清晰地展现决策和决策过程。
决策树可以上下颠倒或反 安装防病毒软件只是确保互联 方向绘制，从左到右或从右到左，其中节点代表对属性的测试，分支代表关键结果，叶节点代表类标签。
决策树图中的三个节点表示如下：
- 决策节点——方块
- 机会节点——圆圈
- 末端节点——三角形
分类树用于对诸如死亡或活着、开或关、盈利或亏损等决策进行分类，而回归树用于预测连续值。
决策树用于运筹学和运营管理。
以下是决策树表示的一些优点和缺点：
优点：
- 非常简单和清晰，如果您清楚规则，就可以快速轻松地进行解释。
- 可用于分析复杂数据
- 可与其他技术和工具一起使用
缺点：
- 由于数据是相互连接的，因此数据的微小变化可能会导致整个树结构的变化。
- 如果要达到 10 台湾新闻0% 的准确率，这并非最佳方法。市面上有更好的工具可以确保这一点。
- 计算的表示会变得复杂，尤其是当结果相互联系在一起时。
机器学习中决策树表示的成功与它所使用的特征成正建特征时使用了大量的人工干预，这些特征是经过研究和反复试验后基于知识的。
研究人员花了数年时间才了解到可以使用原始数据实现学习自动化，这就是它诞生的原因。
表示学习算法有助于自动分析大量异构数据，通过反向传播误差学习表示，并学习用于对象检测的稀疏表示。