教学要求：

掌握什么是分类分析，实现分类分析的常用算法

要求了解决策树算法的发展过程，决策树分类的依据，掌握基于信息熵和基尼指数的分类方法。能够熟练的计算信息熵和基尼指数

掌握ID3算法的分类过程，实现

掌握cart树的分类方法和回归预测方法。

熟练掌握条件概率，联合概率，全概率公式，贝叶斯概率公式及其应用。

掌握贝叶斯概率分类和增强贝叶斯概率分类方法。

了解神经网络发展过程，了解什么是人工神经单元，MP模型，感知机模型，多层感知机，神经网络的原理，工作过程，结构。

掌握神经网络中包含的激活函数类型，激活函数的作用。

理解神经网络为什么能做非线性的模拟。可以逼近模拟任何形状的图形。

能够根据给定的样本数据，设置多层次结构的神经网络，设计输入单元，输出单元，搭建隐藏层，设计中间节点的加法器和激活函数。

掌握神经网络的前向预测和后向反馈学习的原理，掌握参数学习方法。

能够在sql server 中实现以上分类模型