weixin_45178611的博客

KNN是一种基本的分类与回归方法算法k近邻法的输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类。（1）直观上：给定k个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的k个实例，这 个实例的多数属于某个类，就把该输入实例分为这个类。（2）涵盖这k个点的x的邻域记作Nk(x)，在Nk(x)中根据分类决策规则决定x的类别yI为指示函数，yi=cj时等于1。k近邻法没有显式的学习过程当训练集、距离度量(如欧氏距离)、k值及分类决策规则(如多数表决）确定后，对于任何

文章目录统计学习分类基本分类按模型进行分类按算法进行分类按技巧分类统计学习方法三要素实现统计学习方法的步骤如下：模型策略算法统计学习分类基本分类监督学习 无监督学习 强化学习 有时还包括 半监督学习 主动学习。····························································································监督学习：根据已有的数据集，知道输入和输出结果之间的关系。根据这种已知的关系，训练得到一个最优的模型。通