基於觀測值之間距離的方法，就是k近鄰方法，它基於的假設是：同一型別的樣本有類似的特徵表達值。k近鄰演算法實際上沒有從訓練資料得到乙個模型，只是儲存了這個訓練集資料，在給定測試樣本時，在儲存的訓練集中尋找類似的樣本作為**值，選擇k個最為相似的訓練集樣本用來給定測試樣本的**值。因為**值是採用投票的方法決定的，所以k的選值最好是奇數。
太稀疏的資料選擇的k值不要過大。r包class中有實現knn的函式。
隨機森林是組合模型的乙個典型應用，每棵樹都是通過自助法抽樣進行訓練的，從原始資料集中有放回的隨機抽取n個樣本，用特徵的乙個隨機子集決定樹的節點，沒有剪枝操作。
支援向量機的基本思想是，將原始資料對映到乙個新的高維空間，在這個高維空間中，有可能應用線性模型獲得乙個超平面來進行分離。也是呼叫e1071包中的svm函式。除了gamma和cost以外，大部分引數都使用預設值，gamma是在核函式中使用的。設定為0.001，cost表示違反邊際所引入的損失，根據資料不同變化。
R語言中的引號
aa this is an example.1 this is an example.bb this is an example.1 this is an example.identical aa,bb 1 true anne s home 1 anne s home anne s home 1 a...
R語言中cut函式
cut函式把連續變數分割為類別 要將連續型變數變成離散型因子，需要對連續型變數進行切割，每個區間可成為乙個因子。可以用cut函式完成連續型變數的切割工作。函式cut 能夠把數值變數切成不同的塊，然後返回乙個因子，對數值資料進行分組 使用cut函式對數值資料進行分組 cut x,breaks,labe...
R語言中的陣列
陣列 不同於矩陣和資料框，維度大於2。r中最簡單的陣列 3維。行，列，面 如下兩行 三列 四面的陣列。dim1 c a1 a2 dim2 c b1 b2 b3 dim3 c c1 c2 c3 c4 dat array 1 24,c 2,3,4 dimnames list dim1,dim2,dim3...