机器学习常见算法：

K最近邻算法，线性模型，朴素贝叶斯，决策树，随机森林，SVMs，神经网络等

要注意关心如下问题：

要了解每种算法的基本原理和用途，它的特性分别是什么？在不同的数据集中表现如何，如何使用它们建模，模型的参数如何调整等

kaggle大赛，使用来自真实世界的数据磨炼自己的技能

必要库的介绍：

Numpy: 基础科学计算库。功能包括高维数组、线代计算，傅里叶变换以及生产伪随机数等等。是scikit-learn的基础

Scipy: 强大的科学计算工具集，sk需要使用scipy里面的sparse函数生成稀疏矩阵

pandas: 数据分析的利器

scikit-learn----非常流行的机器学习库，建立在Scipy基础上

scikit-learn拥有众多顶级机器学习算法，主要有六大类：分类，回归，聚类，数据降维，模型选择和数据预处理

用户社区需要经常逛一下！！

2018-10-16    21:26:03

---

K近邻算法

K的含义：最近邻的个数。如下图，K的选取值为1，3时候，对于红o的的分类是不一样的

在scikit_learn 中，K值是通过n_neighbors参数来调节的