越努力越幸运

1.6.2最近邻分类基于邻居的分类是一类基于实例的非生成学习：它不试图去构建一个通用的模型，而只是简单的存储训练数据的实例。分类决策简单的由最近邻多数表决得到。scikit-learn实现了两种不同的最近邻分类器：KNeighborsClassifier(well kown of KNN)，RadiusNeighborsClassifier中基于训练样本点的曲率半径（由用户决定的浮

SVMs是用于分类、回归、孤立点检测的一系列监督学习方法。支撑向量机的有点有：1.高维空间有效性；2.当维度树高于样本数时仍然有效；3.在决策函数（称为支撑向量）中使用训练点的子集，因此它还是内存有效的；4.通用的：决策函数可以指定不同的内核函数。提供了通用的内核，但也可以指定自定义的内核。支撑向量机的缺点有：1.如果特征数多于样本数，该方法可能提供较差的表现；2.

写在前面：如果是windows环境下安装的话，各种包都推荐下载exe直接安装。为了图方便的，可以先试试pip install xxx，如果报错还是建议直接下载exe文件！！！ 以下是安装过程~Python机器学习包scikit-learn安装步骤：1.    首先安装几个依赖包：pip install numpypip install scipypip instal