知識インタレスト機械学習
Knnアルゴリズム：
テストサンプルポイントから最初のk個の最も近いポイントを見つけ、これらのポイントの中でサンプル数が最も多いものを決定し、テストサンプルポイントをこのカテゴリに割り当てます。
k平均アルゴリズム：
最初の入力k、目的はすべてのポイントをk個のクラスターに分割することです;
最初にk個のクラスターの重心としてk個のポイントを選択し、次にセット内のすべてのポイントについてこれらのk個のクラスター中心までの距離を計算します、最も近い人を追跡します。
すべてのポイントをk個のクラスターに分割し、各クラスターの重心を計算し、重心の値を更新します。重心
の変化が特定のしきい値未満になるまで上記の手順を繰り返し、分類が完了します。
k-meansは不安定なアルゴリズムであり、反復ごとに結果が異なります。
教師あり学習：
機能とラベルの両方があり、機械が機能とラベルの間の接続を見つけることができます。
教師なし学習：
データのみで、データと機能の関係がわからないため、機械にラベルなしでそれ自体を学習させます。
過剰適合：
トレーニングセットではうまく機能しますが、テストセットではうまく機能しません。
過小評価：
トレーニングセットのパフォーマンスが低い、トレーニングが不十分、テストセットの結果が悪い。