知识趣记-机器学习
knn算法：
找出距离测试样本点的前k个距离最近的点，判断这些点中，哪个类别的样本的数量最多，则将测试样本点归于这个类别。
k-means算法：
首先输入k，目的是将所有点分成k簇；
首先选k个点，作为k簇的的质心，然后对集合中所有的点，计算其到这k个聚类中心的距离，与谁近就跟谁；
所有点分成k个簇，计算每个簇的质心，更新质心的值；
循环以上步骤，直到质心的变化小于某个设定的阈值时，即完成分类。
k-means是一个不稳定的算法，每次迭代完结果都不一样。
监督学习：
既有特征，又有标签，让机器自己找到特征和标签之前的联系
非监督学习：
只有数据，不知道数据、特征之间的关系，让机器自学，是没有标签的。
过拟合：
在训练集上效果很好 ，在测试集上效果很差。
欠拟合：
在训练集表现很差，训练得还不够，在测试集上效果也很差。