分类技术原理：

分类技术或分类法（Classification）是一种根据输入样本集建立类别模型，并按照类别模型对未知样本类标号进行标记的方法。

1．决策树

决策树就是通过一系列规则对数据进行分类的过程。

决策树分类算法通常分为两个步骤：构造决策树和修剪决策树。

2．k-最近邻

最临近分类基于类比学习，是一种基于实例的学习，它使用具体的训练实例进行预测，而不必维护源自数据的抽象（或模型）。它采用n 维数值属性描述训练样本，每个样本代表n 维空间的一个点，即所有的训练样本都存放在n 维空间中。若给定一个未知样本，k-最近邻分类法搜索模式空间，计算该测试样本与训练集中其他样本的邻近度，找出最接近未知样本的k 个训练样本，这k 个训练样本就是未知样本的k 个“近邻”。其中的

最近邻分类是基于要求的或懒散的学习法，即它存放所有的训练样本，并且直到新的（未标记的）样本需要分类时才建立分类。其优点是可以生成任意形状的决策边界，能提供更加灵活的模型表示。