Python 算法

【常用算法体系】
机器学习的方法是基于数据产生的"模型"（model）的算法，也称"学习算法"（learning
algorithm）。包括有监督学习（supervised learning）、无监督学习（unsupervised learning）、
半监督学习（semi-supervised learning）、强化学习（reinforcement learning）。

【有监督学习】
指对数据的若干特征与若干标签（类型）之间的关联性进行建模的过程；只要模型被确定，就可以应用到新的未知数据上。这类学习过程可以进一步分为「分类」（classification）任务和「回归」（regression）任务。在分类任务中，标签都是离散值；而在回归任务中，标签都是连续值。
【无监督学习】
指对不带任何标签的数据特征进行建模，通常被看成是一种 “让数据自己介绍自己” 的过程。这类模型包括「聚类」（clustering）任务和「降维」（dimensionality reduction）任务。聚类算法可以讲数据分成不同的组别，而降维算法追求用更简洁的方式表现数据。
【半监督学习】
介于有监督学习和无监督学习之间。通常可以在数据不完整时使用。
【强化学习】
强化学习不同于监督学习，它将学习看作是试探评价过程，以"试错"的方式进行学习，并与环境进行交互已获得奖惩指导行为，以其作为评价。此时系统靠自身的状态和动作进行学习，从而改进行动方案以适应环境。

k-NN算法（k-Nearest N