朴素贝叶斯与K近邻 · PDF分类和回归笔记

内容与使用说明

两份英文PDF用于对比朴素贝叶斯和K近邻示例。KNN文档前两页为分类，第三页包含KNeighborsRegressor回归，不按单页拆资源。 实际收录 • naive-bayes.pdf：7页；对应上游“13-Naive Bayes In Machine Learning/Notes/Naive_Bayes_Algorithm.pdf”。 • knn-classification-regression.pdf：3页；对应上游“14-KNN In Machine Learning/Notes/KNN_Classification_And_Regression.pdf”。 学习与复现 用PDF阅读器查看英文说明、Notebook代码导出和作者当时的输出。若要运行练习，需自行从原项目获取对应Notebook、数据与Python环境，核对numpy、pandas、matplotlib、seaborn、scikit-learn等依赖。本包不含可直接运行的Notebook、数据集、视频、依赖安装包或模型服务。部分代码使用Notebook专用语法、本地路径或旧API，参数选项与结果应结合当前官方文档自行核对。预测和分类示例仅供学习，不能用于医疗、财务或其他真实决策的效果承诺。 资料边界 本次检查PDF结构、元数据及可提取文字，查看22份排版PDF首图联系表，并对KNN、决策树回归和层次聚类相关页面补充查看。没有运行代码、复现每个指标或逐项验证全部理论与推导，不能称为完整课程审定。源码中的手写扫描资料与未选算法不在本包。保留英文原版和全部原始页面，没有翻译或重新排版PDF。 版本与许可附件 固定提交：64d7286a653e9a8b43bcc9c0f9eebc8419b66d0e。PDF仅改ASCII文件名以兼容上传规则，字节未改。LICENSE.txt保留原MIT许可，NOTICE.txt保留README.md；项目说明覆盖更大的仓库范围，不代表本包包含完整仓库。 来源与许可 Uditya Narayan Tiwari；Copyright (c) 2025 Uditya Narayan Tiwari；保留原版权与MIT许可，原文件内容未修改。 原文件：https://github.com/udityamerit/Complete-Machine-Learning-For-Beginners/blob/64d7286a653e9a8b43bcc9c0f9eebc8419b66d0e/13-Naive%20Bayes%20In%20Machine%20Learning/Notes/Naive_Bayes_Algorithm.pdf 许可：https://github.com/udityamerit/Complete-Machine-Learning-For-Beginners/blob/64d7286a653e9a8b43bcc9c0f9eebc8419b66d0e/LICENSE 收录文件（4份，共0.20 MiB）： • naive-bayes.pdf • knn-classification-regression.pdf • LICENSE.txt • NOTICE.txt 上游原文件与许可一并保留。

来源与许可

固定提交的项目原文件与MIT许可一并保留；核对Git对象和SHA-256，未改文件字节。原文件按许可提供，不承诺适用于所有软件、系统或实际业务。

MIT

Uditya Narayan Tiwari；Copyright (c) 2025 Uditya Narayan Tiwari；保留原版权与MIT许可，原文件内容未修改。