k 近邻法是一种基本分类与回归方法，其输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类。 k 近邻法利用训练数据集对特征空间进行划分，并作为其分类的 “模型”。k 值的选择，距离度量及 分类决策规则是 k 近邻法的三个基本要素。k 近邻法 1968 年由 Cover 和 Hart 提出。

感知机是二分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取 +1 和 -1 两值。感知机对应于输入空间(特征空间)中将实例划分为正负两例的分离超平面，属于判别模型。 感知机学习旨在求出将训练集进行线性划分的分离超平面，导入基于误分类的损失函数，利用 梯度下降法对损失函数进行极小化，求得感知机模型。感知机由 Rosonblatt 1957 年提出，是神经网络与支持向量机的基础。

前两天动手把之前博客从Jekyll移植到Hugo上，原因是Hugo又快又方便

Copy from 《Hugo 主题 Nuo 文章样式预览》 ， 有部分修改。

这篇文章集中说明主题所支持的 Markdown 语法和 Hugo Shortcodes 插件，你也可以在这里预览到他们的样子。如果你不喜欢某些样式，可以去修改 less/ 文件夹进行调整。

前段时间,组里的一台GPU服务器宕机了,在我的强烈要求下,管理老师让机器售后服务方安装了CentOS 7系统;然后就直接甩锅给我,让我自己去安装 相应的软件…