算法

1.k-近邻算法（kNN）：选择k（k<=20）个最相似数据中出现次数最多的分类，作为新数据的分类。

优点：精度高、对异常值不敏感、无数据输入假定。
缺点：计算复杂度高、空间复杂度高。
适用数据范围：数值型和标称型。

2.决策树 ：重点在于选择哪一个属性作为分裂属性。

优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。
缺点：可能会产生过度匹配问题。
适用数据类型：数值型和标称型。

分裂规则有：最高信息增益
                     增益率
                     基尼指数