摘要： 本文主要介绍支持向量机、k近邻、朴素贝叶斯分类 、决策树、决策树集成等模型的应用。讲解了支持向量机 SVM 线性与非线性模型的适用环境，并对核函数技巧作出深入的分析，对线性 Linear 核函数、多项式 Poly 核函数，高斯 RBF 核函数进行了对比。讲述了 K 近邻的使用方法。对高斯朴素贝叶斯分类器（Gaussian naive Bayes）、多项式朴素贝叶斯分类器（Multinomial naive Bayes）进行了不同的介绍。最后对决策树（DecisionTree）、随机森林（RandomForest）、梯度提升回归器（GradientBoosting）进行分析。 阅读全文