定义：在特征空间中，如果一个样本附近的 k个 最近( 即特征空间中最邻近 )样本的大多数属于某一个类别，则该样本也属于这个类别。特点：没有模型的算法为了和其他算法统一，可以认为数据集就是模型本身( sklearn 就是参照这样的方式设计的 )通过查看周边最多的分类， 从而决定数据最终情况的算法。代码编辑步骤：获取数据集训练输入新的样本预测直接享用代码吧：import numpy as npimpo

定义：利用回归方程（函数）对一个或多个自变量（特征值）和因变量（目标值）之前关系进行建模的一种分析方式。特点：只有一个自变量的情况称为：单变量回归；多余一个自变量的情况称为：多元回归。原理：每条数据有n个特征，每个特征对应着自己的权重值，与权重的乘积再加上一个偏置值，这个就是线性回归模型。'''逻辑步骤：1、获取数据集2、数据基本处理3、特征工程4、机器学习5、模型评估'''from sklear

# 将某个文件夹下面的图片转化为一个视频def png_to_video(dir_path):fps = 8size = (378, 512)video = cv2.VideoWriter("/Users/guojun/Desktop/video_test/film_frame.mp4", cv2.VideoWriter_fourcc(*'h264'), fps,size, True)for i

定义：利用回归方程（函数）对一个或多个自变量（特征值）和因变量（目标值）之前关系进行建模的一种分析方式。特点：只有一个自变量的情况称为：单变量回归；多余一个自变量的情况称为：多元回归。原理：每条数据有n个特征，每个特征对应着自己的权重值，与权重的乘积再加上一个偏置值，这个就是线性回归模型。'''逻辑步骤：1、获取数据集2、数据基本处理3、特征工程4、机器学习5、模型评估'''from sklear