在上一章中，我们着重介绍了用于预测连续数值的监督学习 (supervised learning)，使用回归方法。现在，我们将重点转向监督学习中的另一个主要类别：分类。分类的目标有所不同。与预测数值不同，我们旨在将输入数据点分配到几个预设的类别或种类中的一个。

本章介绍核心思想和算法，用于解决分类问题。你将学到：

• 如何界定分类问题以及它与回归的不同之处。
• 逻辑回归的基础知识，一种用于二元分类任务的常用算法，包括sigmoid函数的作用和决策边界的理念。
• 一种替代方法，使用K近邻(KNN)算法，一种基于实例的学习方法。
• 评估分类模型性能的基本方法，不仅仅是简单的准确率。
• 实现KNN分类器的实际操作步骤。