K近邻算法（K-Nearest Neighbors, KNN）是一种简单但有效的监督学习算法，广泛应用于分类和回归任务中。可以看到KNN算法的确很简单，模型复杂度低，对于复杂性任务效果就不是很好了。而且模型是基于距离来的，各个数据点键是独立的，缺乏依赖性，似乎丧失了机器学习中学习的意思。举一个很简单的例子来说明该算法无法处理复杂问题：我之前做过一个将经纬高坐标转换成地心地固坐标的任务（有具体的转系

我们训练好的网络，怎么保存和提取呢？总不可以一直不关闭电脑吧，训练到一半，想结束到明天再来训练，这就需要进行网络的保存和提取了。本文以前面博客的网络进行网络的保存和提取，建议先看完上面博客再来看本博客。

我在大三刚接触到机器学习课程的时候，回归问题很自然就能跨过这个坎。但在分类这个问题上，遇到的疑问一个接一个，本博客就是为了解答我本科学习期间的一个二分类器的疑问所作出的解答。刚开始学习机器学习时，我们学习的最简单的例子就是二分类的案例。这也就导致了我们学习了很多的二分类器，例如逻辑回归二分类器、支持向量机二分类器等等。当时我就一个疑问，那不是二分类问题怎么办，那这些二分类器就显得很作用受限，后来随

在pip install pywin32后有概率出现import win32api 报错ImportError: DLL load failed while importing win32api: 找不到指定的模块。怎么解决，更新重装都不行。下面给出个人可行的解决方案。

本博客主要是将线性回归推广到多项式线性回归，主要实现手段就是进行特征选择来实现多项式线性回归。以上就是今天关于多项式回归的简单实现了，