机器学习之感知机(perceptron)1.感知机模型介绍感知机是一个二分类的线性分类模型，二分类是指输出YYY的分类只有两个值，取+1和-1，线性分类是指模型将训练数据集用一个线性超平面(如果特征空间XXX⊆\sube⊆RnR^nRn,那么该线性超平面就是n-1维)。感知机模型属于判别模型，即通过输入的样本直接学习到fff(xxx),而没有学习到XXX 与YYY的联合分布函数FFF(XXX,YY

1. k-NN算法简介k近邻法是基本且简单的分类与回归方法，利用数据集对特征向量空间进行划分，可以进行多分类。如下图：三角形与矩形分别代表两类数据，标签已知。现要对新输入的为分类点(绿色)进行分类，k-NN的做法是寻找与该绿点相邻最近的k个点(k-NN算法的k的含义，图中的距离为欧式距离)，然后通过多数表决的方式把绿点划分到这k个最近点出现频数最高的类。例如如果k取3，则绿点最近的3个点中频数最高

文章目录1. 统计学习方法是什么？1.1 举个例子说明1.2 为什么要假设数据是独立同分布的？2. 统计学习方法的三要素：模型、策略和算法2.1 模型2.1.1 常见的回归模型：2.1.2常见的二分类（一般只能用于二分类）模型：2.1.3常见的多分类（也可用于二分类）模型：2.2 策略2.2.1 损失函数、期望风险函数、经验风险函数、结构风险函数2.2.2常见的损失函数分类任务常用损失函数回归任务