通俗的讲就是判断输入是什么类型的，或者说输出对各输出的概率是多少 举例：依旧以宠物精灵为例 根据这些信息预测它属于那种类型，这就是分类算法
信用征信，医学诊断，手写字符识别，人脸识别
我的理解是，分类算法是回归算法的特例，以二元分类来讲 当分类算法的y1为1，y2为-1，当预测的结果大于0时，输出为1，当预测的结果小于0时为-1，这相当于就是一个回归算法
数学知识：高斯分布，忘记的可以百度下
前提是：同一类的求最大似然 用最大似然来确定均值μ和协方差矩阵Σ，最大似然，自然是L值越大，模型越优 公式中T是指矩阵的转置 我们可以算出μ和Σ，进而求得输入的概率 但是：训练出来的模型是非常差的，我的理解是，在同一类中由于个别因素（属于class2的因素却在class中tranning）影响导致误差
高斯分布中均值决定位置，协方差决定高度，class中存在一些错误（本该属于class1却在class2中进行tranning）so，我们采用相同的协方差
假设所有维度都是独立的
