纯0基础，只是想提升自己，啥也不会，只会抄。知识很浅薄，学到的一点一点往里添加，不懂就查，懂了自己写。2021.9.15K最邻近算法KNN分类器KNN学习（K-Nearest Neighbor algorithm，K最邻近方法 ）是一种统计分类器，对数据的特征变量的筛选尤其有效。KNN的基本思想是：输入没有标签（标注数据的类别），即没有经过分类的新数据，首先提取新数据的特征并与測试集中的每一个数据

支持向量机SVM的核函数在SVM算法中，徐连模型的过程实际上是对每个数据点对于数据分类决定边界的重要性进行判断。在训练数据集中，只有一部分数据对于边界的确定是有帮助的，这些数据被称为“支持向量”import numpy as npimport matplotlib.pyplot as pltfrom sklearn import svmfrom sklearn.datasets import ma

回到基础的这本书，进行回归的学习线性模型import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-5,5,100)y = 0.5*x+3plt.plot(x,y,c='orange')plt.title('Straight Line')plt.show()import matplotlib.pyplot as pltimpo

前面的内容都是监督学习，接下来进行无监督学习。聚类：聚类是一种无监督的学习，他将相似的对象归到同一个簇中。他有点像全自动分类，聚类方法几乎可以应用于所有的对象，簇内的对象越相似，聚类的效果越好。簇识别：簇识别给出聚类结果的含义。假定有一些数据，现在将相似的数据归到一起，簇识别会告诉我们这些簇到底都是什么聚类与分类的最大不同在于，分类的目标事先已知，而聚类产生的结果与分类相同，只是类别没有预先定义。

本文章有的是自己做的，有的是参考其他人的答案，毕竟能力有限，完全使用的放上原博主的博客，仅做自己个人学习使用。如有冒犯和侵权，本人会立刻进行删除，感谢这些能做出来的大神。6.1试证明样本空间中任一点xxx到超平面(w,b)(w,b)(w,b)的距离为式6.2r=∣wTx+b∣∣∣w∣∣(6.2)r=\frac{|w^Tx+b|}{||w||}(6.2)r=∣∣w∣∣∣wTx+b∣​(6.2)答：①