学习资料来源：
B站视频：
KNN
不需要训练。找最近的k个点。
k=1就是找最近的一个。
点与点间距离选择 欧氏距离。
还有很多测距方法。要都了解！
sklearn.neighbors模块 重要参数
- n_neighbors 就是k的值
- Weights 权重 如果不设权重
决策树
KNN分类无法给出数据的内在含义。
决策树的主要优势就在于数据形式非常容易理解。
优点：计算复杂度不高。输出结果易于理解。对中间值缺失不敏感。可以处理不相关特征数据。
缺点：可能会产生过度匹配问题。
使用数据类型：数值型和标称型
种类
ID3
信息熵作为分裂准则（分裂条件的顺序）
C4.5
CART
License
Adopting CC BY-NC-SA 4.0 License Agreement
Share
