前言
思维导图
监督式学习.png仅仅列出本课程学习知识点。有兴趣的朋友可以自行去官方下载学习。本文在仅供个人学习总结使用，不具有任何指导价值。
相关代码
特征缩放
//导入包含缩放方法的类
from sklearn.preprocessing import StandardScaler
// 创建类的实例
StdSc = StandardScaler()
// 拟合缩放参数，然后转换数据
StdSc = StdSc.fit(X_data)
X_scaled = KNN.transform(X_data)
其他缩放方法：MinMaxScaler、MaxAbsScaler。
K 最近邻
//导入包含分类方法的类
from sklearn.neighbors import KNeighborsClassifier
// 创建类的实例
KNN = KNeighborsClassifier(n_neighbors=3)
// 在数据上拟合实例，然后预测期望值
KNN = KNN.fit(X_data, y_data)
y_predict = KNN.predict(X_data)
//可以通过 KNeighborsRegressor 实现回归。
后记
inter的学习资料现在有中文版本的，理解学习起来轻松多了。