The palest ink is better than the best memory

拉普拉斯矩阵Laplacian matrix 的定义谈到机器学习中的降维技术，可能大多数了解一点机器学习的朋友都知道PCA，今天为大家介绍一种新的降维方法——拉普拉斯特征映射 拉普拉斯矩阵（Laplacian matrix)），也称为基尔霍夫矩阵, 是表示图的一种矩阵。给定一个有n个顶点的图G=（V，E） ，其拉普拉斯矩阵被定义为:L=D-W 其中D为图的度矩阵，W为图的邻接矩阵。（不知道度

kNN是一种基本的分类与回归方法，其三要素是k值得选择、距离度量及分类决策规则。 kNN算法流程：kNN思想理论： knn中最关键的理论就在于多数表决这种分类决策规则的理论过程： 从原文可以看到，多数表决分类的理论基础就经验风险最小化，也就是分类的正确率最高。

K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。K-means算法通常以欧式距离作为相似度测度。算法采用误差平方和准则函数作为聚类准则函数。算法流程：1）从N个数据