GnahzNib的博客

1、什么是机器学习？ 机器学习 就是把无序的数据转换成有用的信息。 2、特征或者属性通常是训练样本集的列，它们是独立测量得到的结果，多个特征联系在一起共同组成一个训练样本 3、机器学习的主要任务：分类、回归，分类以及回归属于监督学习。      *无监督学习——聚类 4、选择算法：      *使用机器学习算法的目的，想要完成何种任务；           --预测目标变量的值：监督

1、k-近邻算法概述 k-近邻算法采用测量不同特征值之间的距离的方法进行分类。 优点：精度高、对异常值不敏感、无数据输入假定； 缺点：计算复杂度高、空间复杂度高； 适用数据范围：数值型和标称型。 2、工作原理：      存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样

github查看jupyter格式 觉得帮到您了就在GitHub给个star吧