列举机器学习中三个常用的分类器，并简述其原理。

1. k-近邻分类器(KNN)：基于实例的学习，即计算未知实例与已知实例之间的距离，然后选择距离最近的 k 个已知实例，最后基于这 k 个实例的多数票进行预测。

2. 逻辑回归分类器：基于概率的分类方法，通过计算每个特征对于每个类别的条件概率来预测未知实例的类别。

3. 决策树分类器：基于贪心算法的分类方法，通过构建决策树来对数据进行分类，每个内部节点代表一个特征，每个分支代表一个特征值，叶节点代表一个类别。