2.3 使用决策树进行分类

封面/前言/目录
第1章　人工智能概述
　　主题学习项目：人工智能在身边
　　1.1　人工智能基础
　　　　1.1.1　初识人工智能
　　　　1.1.2　人工智能的基本特征
　　1.2　人工智能发展历程和现状
　　　　1.2.1　人工智能的发展历程
　　　　1.2.2　人工智能的发展现状
　　1.3　人工智能研究内容与应用
　　　　1.3.1　人工智能的主要研究内容
　　　　1.3.2　人工智能的应用
第2章　人工智能技术基本原理
　　主题学习项目：智能技术初体验
　　2.1　知识表示与专家系统
　　　　2.1.1　知识表示
　　　　2.1.2　启发式搜索
　　　　2.1.3　贝叶斯推理
　　　　2.1.4　专家系统
　　2.2　回归算法
　　　　2.2.1　回归在学习中的应用
　　　　2.2.2　回归算法的一般流程
　　2.3　使用决策树进行分类
　　　　2.3.1　认识决策树
　　　　2.3.2　构造决策树的一般流程
　　2.4　使用K-均值算法进行聚类
　　　　2.4.1　认识基于距离的聚类
　　　　2.4.2　K- 均值聚类算法的一般流程
　　2.5　神经网络与深度学习
　　　　2.5.1　人工神经网络
　　　　2.5.2　卷积神经网络与循环神经网络
　　　　2.5.3　深度学习及软硬件平台
第3章　人工智能领域应用
　　主题学习项目：智能陪伴巧实践
　　3.1 计算机视觉
　　　　3.1.1　计算机视觉简介
　　　　3.1.2　计算机视觉的应用
　　3.2　自然语言处理
　　　　3.2.1　自然语言处理简介
　　　　3.2.2　自然语言处理的应用
　　3.3　机器理解与推理
　　　　3.3.1　机器理解与推理的发展和现状
　　　　3.3.2　人工智能与脑科学
　　　　3.3.3　认知推理的实践应用与展望
　　3.4　博弈决策
　　　　3.4.1　博弈决策的发展历程
　　　　3.4.2　强化学习及其应用
　　3.5　智能机器人
　　　　3.5.1　智能机器人简介
　　　　3.5.2　智能机器人应用实践
第4章　人工智能发展
　　主题学习项目：优势局限之我见
　　4.1　价值和未来发展
　　　　4.1.1　人工智能的应用价值
　　　　4.1.2　人工智能的未来发展
　　4.2　伦理及安全挑战
　　　　4.2.1　人工智能的隐私挑战
　　　　4.2.2　人工智能的安全挑战
　　　　4.2.3　人工智能的伦理挑战
　　4.3　法规与应用规范
　　　　4.3.1　法规与责任
　　　　4.3.2　规范与安全