简述参数估计，非参数估计和非参数分类器等概念间的关系

参数估计和非参数估计是统计学中两种不同的估计方法。参数估计假设数据服从某种已知的概率分布，通过寻找最优的参数来描述这个分布，从而对数据进行估计。常见的参数估计方法有最大似然估计和贝叶斯估计。

非参数估计则不假设数据服从特定的分布，而是通过数据本身来推断概率分布。非参数估计方法不需要对数据做出任何假设，因此通常更为灵活，但是需要更多的数据和计算资源。常见的非参数估计方法有核密度估计和K最近邻估计。

非参数分类器则是一种基于非参数估计方法的分类器。它不需要对数据进行特定的假设，可以适应各种不同的数据分布。常见的非参数分类器有K最近邻分类器和决策树分类器。

总的来说，参数估计和非参数估计是估计方法的两种不同类型，它们可以用于估计数据的分布以及进行分类。非参数分类器是基于非参数估计方法的分类器。