有監督學習
常用分類演算法
KNN:K近鄰分類器，通過計算待分類資料點，與已知資料中所有點的距離，取距離最小的前K個點，根據"少數服從多數"的原則，將這個資料點劃分為出現次數最多的那個類別，
在sklearn中，使用sklearn.neighbors.KNeighborsClassifier創建K鄰近分類器，
選取較大K值，可以減小誤差，但可能導致預測錯誤，選取k值較小，易引起過擬合，一般傾向于選擇較小的k值，并使用交叉驗證法選取最優的k值，
決策樹演算法
是一種樹形結構分類器，通過順序詢問分類點的屬性決定分類點最終的類別，通常根據特征的資訊增益等構建決策樹，
使用sklearn.tree.DecisionTreeClassifier構建決策樹進行分類，
決策樹本質上是尋找一種對特征空間上的劃分，旨在構建一個訓練資料擬合的好，并且復雜度小的決策樹，
樸素貝葉斯
以貝葉斯定理為基礎的分類器，sklearn實作了三個樸素貝葉斯分類器:高斯樸素貝葉斯，多項式樸素貝葉斯，伯努利樸素貝葉斯，分別適用與不同的觀測值的分布，
樸素貝葉斯是典型的生成學習演算法，在小規模的資料上表現良好，適合進行多分類任務，
代碼: https://github.com/zwdnet/MyQuant/blob/master/30
我發文章的四個地方，歡迎大家在朋友圈等地方分享，歡迎點“在看”，
我的個人博客地址：https://zwdnet.github.io
我的知乎文章地址： https://www.zhihu.com/people/zhao-you-min/posts
我的博客園博客地址： https://www.cnblogs.com/zwdnet/
我的微信個人訂閱號：趙瑜敏的口腔醫學學習園地
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/187336.html
標籤：Python
下一篇：22.python匿名函式詳解