这难道不是你一直在等待的时刻吗？

我们已经介绍了所有的基础知识——我们拥有了一个正常工作的Python环境、安装了OpenCV、我们知道了如何用Python处理数据。现在，是时候建立我们的第一个机器学习系统了！关注最常见和最成功的机器学习类型之一—— 监督学习 ，难道不是最佳的开始方式吗？

从第2章中我们已经知道，监督学习就是通过使用与训练数据相关的标签来学习训练数据中的规律，这样我们就可以预测一些新的、之前从未见过的测试数据的标签。在本章，我们希望更深入地学习如何将我们的理论知识转换为实践。我们将介绍分类和回归，以及有关分类和回归的各种评估指标。

本章将介绍以下主题：

• 探索分类和回归的区别，学习何时使用分类和回归。
• 学习 k近邻 （k-NN）分类器及其在OpenCV中的实现。
• 使用逻辑回归进行分类。
• 用OpenCV构建一个线性回归模型，了解该线性回归模型与拉索（Lasso）和岭（ridge）回归的区别。

让我们直接开始学习吧！ CAduAU010v4Ne4fTnE72m2GJW0FIcehw1yuAV+OZ24dwynVnms+Oni1nRaK1/RTe