摘要：
概述 k近邻法是一种基本分类与回归方法，本书只讨论用于分类； 原理：k近邻法假设给定一个训练数据集，其中实例的类别已定，分类时对于新的实例，根据其k个最近邻的训练实例的类别，通过多数表决的方法进行预测。 三要素：k值的选择，距离度量，分类决策规则 三元素选择 1.k值 k值减小意味着整体模型变复杂， 阅读全文
摘要：
简介 感知机是二类分类的线性分类模型，属于判别模型，输入实例特征向量，输出实例的类别，取+1和-1。是神经网络与支持向量机的基础。 模型 $$f(x)=sign(w.x+b)$$ 几何解释： 线性方程$w.x+b=0$对应特征空间的一个超平面S，位于超平面两侧的点被分为正类或负类，S称为分离超平面。 阅读全文