kn算法過程？

分類算法:一種根據輸入機器學習模型下建立分類建模的系統實現四種方法,如決策樹算法優化算法,支持向量機,邏輯回歸和一些基于基本規則的分類方法算法

積極的學習方法:利用算法實現通過已建立相關模型然后將測試數據結果于基礎模型的最簡單的就是積極的學習的–會有一個真正的訓練數據

消極的好的學習方法:推延對性訓練數據的建立模型,直到真正需要更多分類最終測試生成模板時再開展歸類,這種中斷的模型設計技術叫做消極的高效的學習方法–沒有真正的機器學習模型。

風險建模的方法和工具？

比如：隨機森林法

隨機森林法是指將決策方面的解決以樹狀組合圖形則表示，并通過對樹圖的計算分析選擇中決策方面行動目標的四種方法。它利用了微積分的原理，并且利用先進一種樹狀圖作為分析工具。

隨機森林一般由方塊中間節點（譽為作出決策點）、長方形結點（譽為狀態如何點）、最佳方案枝和小概率枝等阿里山棕櫚島，由左從右、由簡到繁激烈對抗，形成一個樹形結構圖片圖。其核心原理是用最終決策根節點代表決策方面其他問題，用方案枝代表人可供選擇的方案，用小概率枝代表性人物解決方案可能出現的各種結果，經過對各種最優方案在各種于是其他條件下其他綜合收益值的計算出來比較，為決策制定者提供決策依據。

決策樹綜合分析法需要比較直觀地作用很大顧名思義等效電路圖在編寫者計算機算法中的能起，在錯綜復雜的最終決策生活環境中推斷出條最優組合的作出決策其他線路，是常用方法的風險分析決策方面四種方法。其決策方面是以心理預期為兩個標準的。人們對未來或許會如果遇見好幾種不同的現象。每種現象均出現明顯的因為，當代人到目前無法確知，但是也可以根據很多的資料來得出結論各種也整體狀態經常出現的可能性。在這樣的條件限制下，許多人計算出來的各種最佳方案在在未來的整體經濟作用只能是會考慮到各種同樣整體狀態經常出現的慨率的期望值，與因為未來的實際收益會完全成比例。它很適合于非銀行金融機構直面多個而目前狀態、多種最終決策最優方案等較為復雜的連續型潛在風險最終決策。

自學數據分析需要看哪些書的？求推薦？

01-明確的思路篇

《誰說菜鳥不會數據分析（入門篇）》和《深入淺出數據分析》這兩本。

現在的這兩本書所以也有下一版了，當然也有很多其他優秀的基礎入門其他書籍，在阿里巴巴上搜“數據建模”，你就會看到很多很多書，隨便挑兩本吧，你就算基本深入了解數據模型是干什么的了。當然，這個前期階段不要求你弄懂所有的重要知識點，主要是更多了解分析得出流程與基本原理，之后碰到問題再出去瞅瞅就好。十年前參加面試支付寶錢包，就靠這三本書了：）

02-其他技能篇

其他技能相關的的書買過很多，就挑記筆記內容比較多的吧

sql語句：《零基礎學SQL》

python語言：《Python編程從入門到實踐》

ggplot2：《R語言實戰》

excel：《數據圖形化，分析更給力》

制作ppt：《PPT，要你好看》

邏輯基礎間接表達：《金字塔原理》

03-業務方面充分理解篇

其實每個大行業的其他業務入門學習的書不同，但是基本的現代商業各種知識要先可以了解下的。

更多了解商業模型套路：《商業模式新生代》

圖形化深度的思考，商業科學常識：《餐巾紙的背面》

數據建模大行業的科學常識：《大數據時代：生活、工作與思維的大變革》

總而言之，看了那本書，如何與人相處mysql、使用excel、制作ppt，就當初級入門了

還有關于數據建模階、數據類產品等閱讀書單，希望對你有幫助~

以上書單來自→書單來了：數據模型十年，我只其他推薦這些書