决策算法的技术分析
系列文章目录
提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
TODO:写完再整理
文章目录
- 系列文章目录
- 前言
- （1）第一层级：分层状态机、分层决策树的想法（三个臭皮匠胜过一个诸葛亮）
- 基于场景的固定规则化的分层决策核心思想
- （2）第二层级：数据管理的方法做决策
- 回归分析&预测&决策模块的算法
- 0、传感器及上下有模块的数据分析及处理
- （1）差异性数据分析
- （2）相关性数据分析
- 1、【（线性）有用--输出线性预测结果】线性回归分析&预测（最小二乘法）【适用于自变量何因变量都比较线性--线性预测】(高中的内容)
- 2、【（非线性）有用--输出的是概率分类结果】聚类回归分析&预测
- 3、【（非线性）有用--输出的是逻辑分类概率结果】逻辑回归分析&预测
- 4、【（非线性+逻辑经验）】决策树回归（输入自变量（叶子节点）和因变量（根节点），反着行为树，从叶子节点到根节点回归，得到决策树结构图及模型的预测效果）
- 5、bp神经网络回归
前言
认知有限，望大家多多包涵，有什么问题也希望能够与大家多交流，共同成长！本文先对决策算法的技术分析做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章
提示：以下是本篇文章正文内容
（1）第一层级：分层状态机、分层决策树的想法（三个臭皮匠胜过一个诸葛亮）
技术代表：行为树BT_tree与状态机FSM/HFSM
基于场景的固定规则化的分层决策核心思想
先分类业务场景，使用一个超级决策树（超级状态机）通过组合各个模块内部的决策树结果，尽可能满足业务场景的需