KNN 一般交叉验证选择k 看confusion matrix 和 ROC 优点: 概念简单,参数少对异常值不敏感(因为是投票决定,异常值毕竟少)既可以处理分类也可以处理回归。 缺点: 无法给出数据的内在含义;计算复杂度高,空间复杂性高;(用k-d树)无法处理样本不平衡问题。 GMM 高斯生成模型: 因为是生成模型,可以天然生成数据,只需要假设似然概率和先验概率分布,从而求得联合概率,再得到给定数据,标签的概率。稳定