1.監督學習(supervised learning)：利用一組已知類別的樣本調整分類器的引數，使其達到所要求效能的過程。 在監督學習的過程中，我們只需要給定輸入樣本集，機器就可以從中推演出指定目標變數的可能結果。 監督學習一般使用兩種型別的目標變數：標稱型和數值型。分類和迴歸屬於監督學習。

2.機器學習的comments

• 機器學習就是把無序的資料轉換成有用的資訊。
• 為了測試機器學習演算法的效果，通常使用兩套獨立的樣本集：訓練資料和測試資料。
• 機器學習的演算法
• 選擇實際可用的演算法，必須考慮下面兩個問題： 一、使用機器學習演算法的目的，想要演算法完成何種任務？ 二、需要分析和收集的資料是什麼？

3… k-近鄰演算法(kNN) 存在一個樣本資料集合（訓練樣本集），並且樣本集中每個資料都存在標籤，即我們知道樣本集中每一資料與所屬分類的對應關係。輸入沒有標籤的新資料後，將新資料的每個特徵與樣本集中資料對應的特徵進行比較，然後演算法提取樣本集中特徵最相似資料（最近鄰）的分類標籤。一般來說，我們只選擇樣本資料集中前k個最相似的資料，通常k是不大於20的整數。最後，選擇k個最相似資料中出現次數最多的分類，作為新資料的分類。