10.1 K近邻学习 k-近邻(K-NN)学习方法:是一种常用的监督学习方法,其工作机制非常简单:给定测试样本,基于某种距离度量找出训练集中与其最靠近的K个训练样本,然后基于k个“邻居”的信息来进行预测。通常,在分类样本中可以使用“投票”法,即选择这K个样本中出现最多的类别标记作为预测结果。 10.2 低维嵌入 未完待续。。。。。。 10.3 主成分分析 10.4 核化线性降为 10.5 流形学习 10.6 度量学习 参考文献:《机器学习》周志华