scikit-learn中，如何总结监督学习与无监督学习常用算法集合？

本文共计2668个文字，预计阅读时间需要11分钟。

为什么写这篇博客？最近在接触Python机器学习方面的知识，虽然收集了大量的笔记，但感觉没有很好的总结出来。正好好边学边复习，边走边学。大家轻松一下。

参考书目：《Python机器学习基础教程》

why写这篇blog

最近在接触这方面的知识，但是找了许多的笔记，都感觉没有很好的总结出来，也正好当做是边学习，边复习着走。大佬轻喷。参考书目《python机器学习基础教程》

将分别从以下5方面进行总结

1.算法的作用
2.引用的方式（我这里主要是基于scikit-learn）
3.重要参数
4.优缺点
5.注意事项

监督学习算法

监督学习主要解决两种问题：回归与分类。

统一a为回归，b为分类。

（既然是总结，那概念就不过多赘述） 有需要了解的概念，可以上这个网站AI知识库
直接上算法

1. K近邻 k-NN
   理解：近朱者赤，近墨者黑
   作用：回归和分类
   引用方式：a：from sklearn.neighbors import KNeighborsRegressor|b： from sklearn.neighbors import KNeighborsClassifier
   重要参数：n_neighbors=NN为近邻的邻居数量。