摘要：k 近邻法(k-nearest neighbor,k-NN) 是一种基本分类与回归方法。本书只讨论分类问题中的k近邻法。k近邻法的输入为实例的特征向量，对应于特征空间的点;输出为实例的类别，可以取多类。k近邻法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其k个最近邻的训练实例 阅读全文

摘要：感知机(perceptron) 是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1二值.感知机对应于输入空间(特征空间) 中将实例划分为正负两类的分离超平面，属于判别模型.感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降 阅读全文

摘要：本章简要叙述统计学习方法的一些基本概念。这是对全书内容的概括，也是全书内容的基础。首先叙述统计学习的定义、研究对象与方法； 然后叙述监督学习，这是本书的主要内容； 接着提出统计学习方法的三要素： 模型、策略和算法；介绍模型选择，包括正则化、交叉验证与学习的泛化能力； 介绍生成模型与判别模型； 最后介 阅读全文