2. 2 激活转移函数
激活转移函数 f（Activation transfer function）简称激活函数，它是一个神经元 及神经网络的核心之一。神经网络解决问题 的能力与功效除了与网络结构有关外，在很 大程度上取决于网络激活函数。
线性函数、非线性斜面函数、阈值函数、 S形函数
人工神经网络
• 人工神经网络是对人类神经系统的一种模拟。尽管
然后,考察所得的每一个子类, 看其中的实例的结论 是否完全相同。如果完全相同, 则以这个相同的结论作 为相应分枝路径末端的叶子节点; 否则, 选取一个非父 节点的属性, 按这个属性的不同取值对该子集进行分类, 并以该属性作为节点, 以这个属性的诸取值作为节点的 分枝, 继续进行画树。 如此继续,直到所分的子集全都 满足: 实例结论完全相同, 而得到所有的叶子节点为止。 这样, 一棵决策树就被生成。下面我们进一步举例说明。
S1= {(3,C), (4,B), (7,C), (8,B), (11,B), (12,B)} S2={(1,C), (2,C), (5,A), (6,A), (9,A), (10,A)} 于是, 我们得到以性别作为根节点的部分决策树 (见图4(a))。
考察S1和S2，可以看出，在这两个子集中，各实 例的保险类别也不完全相同。这就是说，还需要对S1 和S2进行分类。对于子集S1，我们按“年龄段”将其 分类；同样，对于子集S2，也按“年龄段”对其进行 分类（注意：对于子集S2，也可按属性“婚状”分 类）。分别得到子集S11, S12, S13和S21, S22, S23。于 是，我们进一步得到含有两层节点的部分决策树（如
表1 汽车驾驶保险类别划分实例集
可以看出,该实例集中共有12个实例,实例中的性别、年 龄段和婚状为3个属性, 保险类别就是相应的决策项。 为表述方便起见, 我们将这个实例集简记为
