kkk-NN (kkk-nearest neighbor) 由 Cover 和 Hart 于 1968 年提出，属于机器学习算法中的监督学习算法，可以用来解决分类和回归问题。kkk-NN 的工作原理为了对 kkk-NN 算法有个直观的认识，我们看个例子：有两类物体 A 和 B，它们在坐标轴中的分布如上图所示。现在来了一个未知类别的物体，由图中的正方形表示，我们该把它归为哪一类呢？kkk-NN 算法

朴素贝叶斯法是基于贝叶斯定理和特征条件独立假设的分类方法。朴素贝叶斯法实现简单，学习与预测的效率都很高，被广泛应用于文本分类、垃圾邮件过滤、自然语言处理等场景。下面我们来介绍贝叶斯定理，在介绍贝叶斯定理之前，先介绍下条件概率和全概率公式。条件概率所谓条件概率，就是在事件 BBB 发生的条件下，事件 AAA 发生的概率，用 P(A∣B)P(A|B)P(A∣B) 来表示。在下面的文氏图中，定义了事件

NumPy入门教程第一章 NumPy 介绍第二章 ndarray的创建及其属性第三章 ndarray的基本操作第四章 ndarray的索引、切片和遍历第五章 ndarray的重塑、组合和拆分第六章 用于ndarray的文件操作第七章 ndarray的赋值、视图、拷贝和广播目录NumPy入门教程前言一、索引1.一维数组的索引2.二维数组的索引3.布尔索引二、切片三、遍历总结前言上一章我们讲述了 nd