摘要：
第三章 决策树 3.1 算法简介 决策树就像一个数据流程图，区别在于决策树可以在不熟悉的数据集中，提取规则，进而构造出一棵决策树 优点：计算复杂度不高，输出的结果易于理解， 对中间缺省值不敏感，可以处理不想关的特征 缺点：容易发生过度匹配 适用的数据类型：数值型和标称型 3.2 算法的一般流程 1. 阅读全文
摘要：
第二章 k近邻 2.1 算法描述 （1）采用测量不同特征值之间的距离进行分类 优点：对异常点不敏感，精度高，无数据输入设定 缺点：空间，计算复杂度高 适合数据：标称与数值 （2）算法的工作原理： 基于已有的带有标签的训练数据，计算出需要预测的数据与每个训练数据之间的距离，找到其中距离最近的k个数据， 阅读全文