分类算法

本次学习的主要分类算法有

（1）nearest neighbor

（2）linear svm

‘Support Vector Machine’，即SVMs是监督学习的方法，可以用于分类、回归和奇异值检测。

SVM优点有：在 高维空间内的有效性；即使维度数量大于样本数量，仍然可分类；使用部分子集数据训练；通用，decision function可以是多种kernel

缺点： 特征数量大于样本数量时，SVM的结果很差；SVM不能直接估计概率，需要用cross-validation进行计算。

（3）gaussian process

（4）decision tree

（5）random forest

（6）neural net

（7）adaboost

（8）naive bayes