本次学习的主要分类算法有
（1）nearest neighbor
（2）linear svm
‘Support Vector Machine’，即SVMs是监督学习的方法，可以用于分类、回归和奇异值检测。
SVM优点有：在 高维空间内的有效性；即使维度数量大于样本数量，仍然可分类；使用部分子集数据训练；通用，decision function可以是多种kernel
缺点： 特征数量大于样本数量时，SVM的结果很差；SVM不能直接估计概率，需要用cross-validation进行计算。
（3）gaussian process
（4）decision tree
（5）random forest
（6）neural net
（7）adaboost
（8）naive bayes
