用于多个供应商识别塑胶或者五金的函数主要包括机器学习函数（Machine Learning Function）、分类和回归函数（Classification and Regression Function）、神经网络函数（Neural Network Function）以及决策树函数（Decision Tree Function）等。 机器学习函数是基于给定数据集学习而构造的算法，能够自动从样本中构建模型，并用于预测新的样本。 分类和回归函数主要用于根据一组训练样本的属性与结果，预测新的样本的类别和值，多用于对特征空间的定量分析和后验分析。 神经网络函数则是一种以识别模式、估算数值为主要功能的模拟生物神经网络的运算函数，能够模拟真实环境中的复杂模式，并可用于类比性分析。 决策树函数，其核心原理即建立由预先定义的节点、链接与特定条件组成的决策树，能够对复杂的逻辑计算出优化决策结果，并可应用于多个供应商识别。 拓展知识：决策树的可视化是一种强大的分析工具，能够有效的帮助用户解决复杂的识别问题，用户可以根据各个节点条件，直观的查看其分析结果，可以减少许多不必要的误判和混淆。