B 航線｜羅吉斯迴歸之外，還有哪些常見分類模型？

前一篇已經用 羅吉斯迴歸（Logistic Regression） 建立「分類＝算機率👉再做決策」的基本概念。

這一篇，我們把視角拉開，看看在同樣是分類問題時，機器學習裡還有哪些常被拿來比較、替代、甚至混用的模型。

一、K 最近鄰(K-Nearest Neighbors, KNN)

核心思路（好記的一句話）

「跟誰最像，就跟誰一組」
或者
👉「近朱者赤，近墨者黑」

模型特點

• 最直覺，直接計算距離
• 依照樣本(每筆資料)計算彼此的「距離」，找出最近的 K 個樣本
• 用多數決（分類）或平均（迴歸）決定結果

例如：
紅色星星代表未知類別的新資料​
K = 3，代表要找最近的 3 個樣本
3 個樣本裡：分類0 有 0 個 / 分類1 有 3 個
投票結果：分類1 獲勝​🎉