Scikit-learn 分类器

k-最近邻（kNN）是一个简单分类器和懒惰学习者的示例，其中所有计算都发生在分类时间上（而不是提前在训练步骤期间发生）。kNN 是非参数的，通过比较数据实例和 k 最近实例来决定如何分类。

• 使用 Python 进行 k-最近邻分类。地址：http://suo.im/2zqW0t
  

朴素贝叶斯是基于贝叶斯定理的分类器。它假定特征之间存在独立性，并且一个类中任何特定特征的存在与任何其它特征在同一类中的存在无关。

• 使用 Scikit-learn 进行文档分类，作者 Zac Stewart。地址：http://suo.im/2uwBm3
  

多层感知器（MLP）是一个简单的前馈神经网络，由多层节点组成，其中每个层与随后的层完全连接。多层感知器在 Scikit-learn 版本 0.18 中作了介绍。

首先从 Scikit-learn 文档中阅读 MLP 分类器的概述，然后使用教程练习实现。

• 神经网络模型（监督式），Scikit-learn 文档。地址：http://suo.im/3oR76l
• Python 和 Scikit-learn 的神经网络初学者指南 0.18！作者 Jose Portilla。地址：http://suo.im/2tX6rG