距离度量\(L_1\) 和\(L_2\)的区别
一些感性的认识，\(L_1\)可能更适合一些结构化数据，即每个维度是有特别含义的，如雇员的年龄、工资水平等等；如果只是一个一般化的向量，\(L_2\)可能用得更多。但这些仍然需要视具体情况而定。
Nearest Neighbor
K的选取，1、3、5，在一些特殊例子上的影响
用validation data来evaluate方法，选模型、选模型的超参数等，选出最好的一个model
在test dataset上只用一次
b, 处理 imbalanced data ， data independent bias terms
如果cat的图片多，也许对应的b就会大一些