图3.8 UCI手写数字数据集训练出的感知机权重图
图5.3 利用逻辑斯蒂回归预测花的类别的概率
图6.7 实际图像上4个不同的卷积核的输出
图6.12 在真实图片上的物体识别结果
图8.1 利用K均值聚类算法构造的彩色图像
图8.2 K均值聚类的迭代过程
图8.3 K均值算法在倾斜变形的分布及密度不同的分布上的聚类效果
图8.4 高斯混合模型能够对倾斜变形及密度不同的分布数据进行正确聚类
图8.5 DBSCAN算法中的核心点、可达点和局外点
图8.6 比较不同聚类算法的效果
图8.8 K均值聚类进行图像颜色量化的结果
