啸林　

本系列博客源自于读《机器学习实战—中文版》这本书的学习笔记，用于日后翻阅、查看资料用。这本书的主要介绍的算法是源自于一篇ICDM会议上的论文----“数据挖掘十大算法”。论文选出的十大机器学习算法包括：C4.5决策树、Kmeans、支持向量机（SVM）、Apriori、最大期望算法（EM）、PageRank算法、AdaBoost算法、k-近邻算法（kNN）、朴素贝叶斯算法（NB）和分类回归树算法（CART）。

机器学习实战笔记(Python实现)-02-k近邻算法(kNN) -- 下面来看一下书上对这个算法的原理介绍：存在一个训练样本集，并且每个样本都存在标签（有监督学习）。输入没有标签的新样本数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取出与样本集中特征最相似的数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，而且k通常不大于20。最后选择k个最相似数据中出现次数最多的分类，作为新数据的分类。

机器学习实战 本博客来自于优快云：http://blog.youkuaiyun.com/niuwei22007/article/details/49663977 本系列博客源自于读《机器学习实战—中文版》这本书的学习笔记，用于日后翻阅、查看资料用。 机器学习算法越来越受到人们的青睐，是由于这些算法在一定程度上可以达到智能的目的，比如人脸识别、图像文本分类等在一定程度上可以代替人工繁琐复杂的操作。《机器