一、K-近邻算法介绍 1.1定义 K Nearest Neighbor算法又叫KNN算法，定义为：如果一个样本在特征空间中的K个最相似（即特征空间中最近邻）的样本中的大多数属于某一个类别，则该样本也属于这个类别。定义不是太好理解，可以参考下图，假设你刚到北京，你下火车后你不知道你在那个区，但是你知道 ...
分类：
编程语言 时间：
2021-05-24 05:55:46
阅读次数：
0
一、监督学习 1、回归模型 1.1 线性回归模型 求解 最小二乘法 梯度下降法 2、分类模型 2.1 K近邻（KNN） 示例 KNN距离计算 KNN算法 2.2 逻辑斯蒂回归 逻辑斯蒂回归 —— 分类问题 Sigmoid函数（压缩函数） 逻辑斯谛回归损失函数 梯度下降法求解 2..3 决策树 示例 ...
分类：
其他好文 时间：
2021-02-10 12:54:48
阅读次数：
0
K-近邻算法 什么是K-近邻算法 你的“邻居”来推断出你的类别 1、K-近邻算法(KNN) 1.1 定义 如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。 来源：KNN算法最早是由Cover和Hart提出的一种分类算法 1.2 距离公 ...
分类：
编程语言 时间：
2021-01-16 11:59:04
阅读次数：
0
超参数和模型参数 如何寻找最好的超参数？ 1.领域知识 2.经验数值 3.实验搜索 也可以设置程序对k值进行筛选： 可以看出，对于手写数字数据集来说，最好的k值是4. （如果获得的最好k值在循环边界处，那么需要稍微拓展一下搜索范围，可能会找到更好的k值） knn算法还有一个重要的超参数就是——距离权 ...
分类：
编程语言 时间：
2020-07-16 12:24:54
阅读次数：
64
一、概述 k-近邻算法（k-Nearest Neighbour algorithm），又称为KNN算法，是数据挖掘技术中原理最简单的算法。KNN 的工作原理：给定一个已知标签类别的训练数据集，输入没有标签的新数据后，在训练数据集中找到与新数据最邻 近的k个实例，如果这k个实例的多数属于某个类别，那么 ...
分类：
编程语言 时间：
2020-07-11 17:13:58
阅读次数：
54
图像分类 KNN算法 KNN算法可用于图像分类，且根据K值的不同，分割边界也会受到比较大的影响。 KNN并不常用于如今的图像分类，原因主要有两点： 没有显式的训练过程，测试时每个测试样本点需要遍历所有样本点，找到K个最近邻的点，以确定分类。 距离计算标准（欧几里得、曼哈顿距离）公式在比较图像上并不适 ...
分类：
其他好文 时间：
2020-06-30 22:30:12
阅读次数：
57
1.KNN 分类算法 由于knn算法涉及到距离的概念，KNN 算法需要先进行归一化处理 1.1 归一化处理 scaler from sklearn.preprocessing import StandardScaler standardScaler =StandardScaler() standar ...
分类：
编程语言 时间：
2020-06-17 18:37:11
阅读次数：
74
1.K近邻算法基础实例 1 import numpy as np 2 import matplotlib.pyplot as plt 3 4 raw_data_X=[[3.9,2.3], 5 [3.1,1.7], 6 [1.3,3.3], 7 [3.5,4.6], 8 [2.2,2.8], 9 [7 ...
分类：
编程语言 时间：
2020-06-03 23:16:38
阅读次数：
93
一、什么是K近邻算法？ 定义: 如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。 来源: KNN算法最早是由Cover和Hart提出的一种分类算法. 计算距离公式: 两个样本的距离可以通过如下公式计算，又叫欧式距离。 比如说，a(a1 ...
分类：
编程语言 时间：
2020-05-20 12:17:07
阅读次数：
62
1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 简述什么是监督学习与无监督学习。 答：（1）联系：分类与聚类都是对对象的一种划分，两者都用到了NN算法。 区别：分类是为了确定一个点的类别，类别是已知的，常用算法是KNN算法。 聚类是为了将一系列点分成若干类，最初是没有类别的 ...
分类：
编程语言 时间：
2020-05-08 18:12:01
阅读次数：
58
