摘要：
决策树算法是一种用于分类和回归问题的机器学习算法。它通过构建一个树状结构来表示不同的决策路径，每个节点代表一个特征属性的判断，而每个分支代表一个可能的结果。在分类问题中，决策树算法可以根据输入的特征属性将实例分到不同的类别中；在回归问题中，决策树算法可以根据输入的特征属性预测一个连续值。 决策树算法 阅读全文
摘要：
K-means算法是一种非监督学习的聚类算法，它通过计算样本点之间的距离来将数据点划分为多个聚类。 K-means算法的核心思想是，通过预先设定的K值及每个类别的初始质心，对相似的数据点进行划分。然后，通过迭代优化，不断调整聚类中心，直到聚类中心不再发生变化或者达到预设的迭代次数。 在K-means 阅读全文