目录
近邻法
分段线性分类器的基本做法是把两类祥本各自分成若干个子类,使各个子类之间的分类可以用比较简单的分类器来完成，
比如用最小距离分类器,最后的决策面就是由各个子类之间的分类面片段相连接而构成的。如果子类运分恰当，
则这种分段线性分类器可以很好地实现复杂的非线性分类，
可以把这种思路发展到一个极端,就是以每个训练样本为一个子类,不同类的两个样本之间用最小距离作为分类准则。
显然,这时就没有必要事先用所有两两样本间的分类面构造出分段线性分类面,
而是可以在拿到一个待分类的样本后,通过判断它到两类样本的距离来进行决策。这就是最近邻法。
最近邻法就是源于这样-种直观的想法:对于一个新样本,把它逐一与已知样本比较，找出距离新样本最近的已知样本,以该样本的类别作为新样本的类别。
影响因素：
1、样本数目太少。
2、数据内在规律比较复杂、类别间存在交叠情况