近邻

【点云处理常见的开源库】

（2）FLANN：快速最近邻逼近搜索函数库，可实现快速高效匹配。（3）libLAS:用于读取和写入非常常见的LASLiDAR格式。
xhgen·2022-12-10 01:39

#Python机器学习#KNN分类算法（附算法原理+网格搜索+演示代码）

KNN分类算法1、KNN分类算法起源 KNN,K-NearestNeighbor的简写，即K-最近邻法算法，由Cover和Hart于1968年提出。
更更-python·2022-12-09 23:24

异常检测 | 基于Siamese网络学习距离函数来定位视频中的异常

关于论文学习这篇文献中作者通过训练一个Siamese神经网络，将手工制作的表示和距离函数替换为学习的表示和距离函数，建立了简单的最近邻方案．Siamese网络通过训练将视频块对分类为相似或不同，并用来找到与所有训练视频块不同的测试视频块
六个核桃Lu·2022-12-09 17:49

机器学习思维导图（基于sklearn）

机器学习算法分类机器学习开发流程特征工程数据集特征工程介绍分类算法sklearn转换器和估计器K-近邻算法模型选择与调优朴素贝叶斯算法决策树集成学习方法之随机森林回归与聚类算法线性回归过拟合与欠拟合带有
Gavid-jh·2022-12-09 13:10

机器学习算法基础 3

K-近邻算法(KNN)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。
eddiechen10081·2022-12-09 13:37

sklearn入门

KNN近邻算法k-近邻算法（kNN），它的工作原理是：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。
Mick..·2022-12-09 12:35

机器学习实战笔记（二）KNN算法

文章目录算法概念、基本思想和应用概念基本思想应用实例三个基本要素K的取值距离度量分类决策规则特征归一化很重要算法描述与优缺点参考博客算法概念、基本思想和应用概念官方概念：所谓K近邻算法，即是给定一个训练数据集
chenyonwu同学·2022-12-09 10:55

KNN算法

K-近邻算法看，这个男人叫小帅，他目前正在入门机器学习领域，刚上手碰到了ML中的基础算法：K-近邻算法。
小鱼不摸·2022-12-09 10:52

机器学习实践：手写数字识别-2

机器学习实践：手写数字识别1、实验描述本节实验我们将利用k近邻算法对手写数字进行识别，通过python命令行构建k近邻算法函数，输入实验提供的数据，进行数据分类，查看分类结果和错误率。
奔腾游子·2022-12-08 17:04

机器学习入门必读书籍——李航《统计学习方法》（文尾免费领取）

《统计学习方法》全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等
无知红·2022-12-08 16:47

风控串行组合模型及其信用评估场景实践

通常情况下，针对不同的场景需求，我们习惯采用单一算法来建立模型，例如逻辑回归、决策树、K近邻、朴素贝叶斯、支持向量机等，但我们有时会遇到模型性能难以满足预期的结果，无论选择何种模
番茄风控·2022-12-08 10:12

SuperGlue: Learning Feature Matching with Graph Neural Networks 论文解析

SuperGlue:LearningFeatureMatchingwithGraphNeuralNetworks论文解析简介出发点快速最临近邻搜索（FLANN）算法常常被用于匹配得到最近邻特征点，从而得到图片
木独·2022-12-08 09:16

深度学习 +SLAM：SuperGlue

而检测之后的匹配通常通过最近邻匹配和异常点剔除的方式完成。最后再完成位姿估计。而SuperGlue试图将特征点的描述，特征的匹配（异常点的剔除）采用端到端的深度网络实现。
海滩油炸·2022-12-08 09:13

机器学习_4:logistic回归

文章目录实验背景1.logistic回归算法原理1.1.线性回归1.2.对数线性回归1.3.logistic回归2.logistic回归算法代码分析3.logistic回归算法实验4.总结实验背景相比k近邻算法和决策树算法
chuxiao_scx·2022-12-08 03:53

KNN算法原理以及代码实现

具体解释为如果一个实例在特征空间中的K个最相似（即特征空间中最近邻）的实例中的大多数属于某一个类别，则该实例也属于这个类别。
weixin_30664539·2022-12-07 21:29

简单理解KNN最近邻算法原理

1、算法介绍：KNN是通过测量不同特征值之间的距离进行分类。它的的思路是：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。K通常是不大于20的整数。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。1.1算法描述：其算法的描述为：1）计算测试数据与各个训
wdd_100·2022-12-07 21:59

KNN算法总结

概述K最近邻（k-NearestNeighbor，KNN）分类算法是最简单的机器学习算法。KNN算法的指导思想是“近朱者赤，近墨者黑”，由你的邻居来推断出你的类别。
ITxiaoke·2022-12-07 21:29

读书笔记（一） 数据挖掘简要介绍

目录一、大数据时代的数据挖掘1、大数据的特点4V+4V2、数据挖掘3、从数据挖掘应用的角度看大数据二、数据挖掘技术的发展历史三、十大数据挖掘算法1、k近邻算法（k-nearestneighborsKNN
蓝色Primrose·2022-12-07 20:54

机器学习实战-KNN

1.KNN概述k-近邻（kNN,k-NearestNeighbor）算法是一种基本分类与回归方法，这里只讨论分类问题中的k-近邻算法。一句话总结:近朱者赤近墨者黑！
J___code·2022-12-07 15:24

初识OpenCV算法

3.图像的几何变换：平移、缩放、旋转、插值（最近邻、双线性）。4.对比增强：线性变换、伽马变换、直方图均衡化。5.边缘检测：Sobel、Laplace、
Ss_Yy_·2022-12-07 14:18

七、K-近邻算法-鸢尾花种类预测

python编程快速上手（持续更新中…）文章目录python编程快速上手（持续更新中…）1.1K-近邻算法简介1什么是K-近邻算法1.1K-近邻算法(KNN)概念1.2电影类型分析2k近邻算法api初步使用
IT瘾君·2022-12-07 14:54

K—近邻算法：鸢尾花种类预测

1.一直迷迷糊糊的训练集特征值、目标值和测试集特征值和目标值解析比如一个学生期末成绩有数学、语文、英语、科学四门成绩，最后一栏有老师打的综合成绩评估优秀、良好、及格。现在我们知道了全校1000个学生的所有数据。根据现在的问题，特征值就是数学、语文、英语、科学四门成绩，目标值就是老师打的综合成绩就是目标值。现在我们假如拿出800个学生的成绩作为训练集，200个学生的成绩作为测试集。这200个学生的目
立早大帅·2022-12-07 13:53

特征工程—特征预处理及K-近邻算法总结

五、特征工程—特征预处理1.特征预处理概念通过一些转换函数将特征数据转换为更加适合算法模型的特征数据的过程。2.为什么要进行归一化/标准化？特征的单位或者大小相差较大，或者说某些特征的方差比其他的特征要大出几个数量级，容易影响（支配）目标结果，使得一些算法无法学习到其它的特征。无量纲化：就是将不同规格的数据转换到同一规格3.特征预处理APIskklearn.preprocessing3.1归一化概
王涛涛.·2022-12-07 13:13

第十章 降维与度量学习

10.1k近邻学习k近邻学习（kNN）是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个邻居的信息来进行预测。
高自期许·2022-12-07 12:38

机器学习算法C++实现

目录感知机main.cppperceptron.cppperceptron.hmodel_base.hK近邻main.cppknn.cppknn.h朴素贝叶斯main.cppnaviebayes.cppNavieBayes.h
南叔先生·2022-12-07 12:36

实验五 近邻法分类器设计

一、实验目的本实验旨在让同学理解近邻法的原理，通过软件编程，理解k-近邻法和剪辑近邻的设计过程，掌握影响k-近邻法错误率的估算因素等。
Universe & Black·2022-12-07 11:28

实验二 总体概率密度分布的非参数估计

二、实验原理与参数估计不同，非参数估计不需要做任何模型假设，而是利用训练数据直接对概率密度进行估计，有两种主要方法：直方图法和核函数法，其中核函数常用Parzen窗法，-近邻法。
Universe & Black·2022-12-07 11:58

matlab knn方法快速实现，手把手教学

目录介绍话不多说，进入实战注意事项KNN算法的优势和劣势介绍1968年，Cover和Hart提出K近邻算法。该算法既可以用于回归也可以用于分类，其用于分类时其输入为实例的特征向量，输出为实例的类别。
易烊千蝈·2022-12-07 10:20

基于PCL的ICP及其变种算法实现

2.1PLICP2.2PointToPlaneICP2.3NICP2.4LM_ICP三、程序示例1.传统方法2.PointToPlaneICP总结前言ICP（IterativeClosestPoint，最近邻点迭代
人狮子·2022-12-07 05:19

机器学习笔记：KNN算法pandas结合scikit-learn实现

1、K-近邻算法：如果一个样本在特征空间中的K个最相似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2、KNN算法流程：1、计算已知类别中的点与当前点的距离2、按距离递增次序排序3、选取与当前点距离最小的
xMathematics·2022-12-07 05:04

【流行学习】局部线性嵌入(Locally Linear Embedding)

一、前言局部线性嵌入（LLE）假设数据在较小的局部是线性的，也就是说，某一个样本可以由它最近邻的几个样本线性表示，离样本远的样本对局部的线性关系没有影响，因此相比等距映射算法，降维的时间复杂度和空间复杂度都有极大的降低
infinite_with·2022-12-07 01:50

机器学习实战——决策树算法

背景知识：决策树经常用于解决分类问题，是最常用的数据挖掘算法k近邻应用场景很多，但是无法给出数据的内在含义。决策树可以根据数据集创建规则。
iwtbs_kevin·2022-12-07 00:49

机器学习期末简答总结

常见的监督学习算法：逻辑回归、K近邻、朴素贝叶
小码boy！·2022-12-06 19:20

KNN

分类决策规则三、KNN的算法手写代码实现（Python）四、KNN算法在SKlearn中的调用五、KNN算法的优缺点1.优点2.缺点五、Kd树1.Kd树简介2.Kd树的构造3.搜索kd树简介领近算法，或者说K最近邻
OzupeSir·2022-12-06 17:55

python与人工智能：KNN近邻法识别手写数字

机器学习分类？1特征（feature）数据是区分事物和事物的关键。举例：不同类型的书，我们用书的内容来对它进行分类2标签（label）数据的标签，显示的分类结果。举例：书属于的类别，例如“计算机”“图形学”“英文书”“教材”等。3学习（learning）将很多数据丢给计算机分析，以此来训练该计算机，培养计算机给数据分类的能力。举例：把很多书交给一个学生，培养他给书本分类的能力。4分类（classi
迷途君·2022-12-06 15:08

【AI】Python 实现 KNN 手写数字识别

KNN算法1.题目介绍K近邻（K-NearestNeighbor,KNN）是一种最经典和最简单的有监督学习方法之一。
jinzhou742·2022-12-06 15:06

机器学习02-分类算法

分类算法分类算法集成学习bagging（bootstrapaggregating）boostingAdaboost、GBDT与XGboost支持向量机朴素贝叶斯分类模型K近邻PCA和LDAMOOC大学课程商务数据分析跟学笔记分类算法分类算法利用训练样本集获得分类函数即分类器
twilight_cc·2022-12-06 14:58

KNN算法详解并自主构建kd树及sklearn简单实现

k-近邻算法（KNN）一、简介1、定义核心思想：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。
机智的冷露·2022-12-06 13:04

三维点云学习（3）8- 实现Spectral

谱聚类谱聚类代码参考课堂谱聚类理论笔记效果图原图效果图前三种为自写的聚类算法，分别是KMeans、GMM、Spectral,后面为sklearn自带的聚类算法库步骤：step1先计算每个点的距离矩阵，再使用Kd-tree建立近邻矩阵如下分别为两种建立关系矩阵的办法
KaHoWong·2022-12-06 12:19

[机器学习] : 监督学习 (框架)

①：K近邻分类算法②：决
ZhuNian的学习乐园·2022-12-06 12:11

J-Tech Talk｜以型搜型：3D模型表征助力3D神经搜索！

以型搜型指的是以3D模型搜索3D模型，在对3D物体进行模型表征后，通过最近邻搜索得到与之类似的3D物体的结果。
Jina AI·2022-12-06 11:33

OpenCV-Python 图像缩放

插值方式cv.INTER_NEAREST最近邻插值cv.INTER_LINEAR双线性插值cv.INTER_CUBIC双线性插值cv.INTER_AREA使用像素区域关系重新采样。
imxlw00·2022-12-06 11:04

K邻近算法k值选取以及kd树概念、原理、构建方法、最近邻域搜索和案例分析

一、k值选择K值过小：容易受到异常点的影响k值过大：受到样本均衡的问题近似误差：对现有训练集的训练误差，关注训练集，如果近似误差过小可能会出现过拟合的现象，对现有的训练集能有很好的预测，但是对未知的测试样本将会出现较大偏差的预测。模型本身不是最接近最佳模型估计误差：可以理解为对测试集的测试误差，关注测试集，估计误差小说明对未知数据的预测能力好，模型本身最接近最佳模型选择较小的K值，就相当于用较小的
learning-striving·2022-12-06 06:31

监督学习：KNN（K-近邻）算法实现手写数字识别的三种方法

没人会看的开场白：本来觉得自己从数据建模转人工智能方向应该问题不大（自我感觉自己算法学的不错）。结果一个K-邻近实现手写数字识别的代码就让我改了三四天。虽然网上这方面的代码是很多，但是我运行了好几个，结果都不是很理想。一次偶然的念想——为什么我不把这些代码的优点结合在一起呢，于是说做就做，年轻人嘛，反正有时间燥起来，再加上自己准备的毕业论文也是这个，动动手总有益处，于是就拙笔于此，有更好的建议与意
数据与算法之美·2022-12-06 06:55

模式识别和机器学习实战-K近邻算法（KNN）- Python实现 - 约会网站配对效果判断和手写数字识别

文章目录前言一、k-近邻算法（KNN）1.算法介绍2.举个例子——电影分类3.步骤描述4.来了——代码实现二、实战之约会网站配对效果判断1.导入数据2.分析数据3.数据归一化4.测试算法→使用错误率来检测性能
能智工人_Leo·2022-12-06 01:13

Python机器学习基础教程——鸢尾花分类

Python机器学习基础教程——鸢尾花分类初识数据训练数据与测试数据观察数据—数据可视化模型的建立与评估——K近邻算法她还有一些鸢尾花的测量数据，这些花之前已经被植物学专家鉴定为属于setosa、versicolor
马╮(╯▽╰)╭霜·2022-12-05 22:24

统计学习方法 李航 课后习题答案 第二版 机器学习

也可进入我的个人主页查看分类专栏里的《统计学习方法》部分，包括各章代码实现： ❤欢迎订阅我的专栏❤：《统计学习方法》分类专栏章节链接第1章统计学习及监督学习概论点击进入第2章感知机点击进入第3章k近邻法点击进入第
#苦行僧·2022-12-05 16:25

一文上手决策树和随机森林和KNN-python

写在前面我们在数据分析或者建模中经常会用到机器学习模型中的树模型或者近邻的方法，通过本文可以使你快速搭建出一个可以运行的效果还不错的模型，但是原理可以通过其他的博客自己补一下~写这篇文章也是想让自己记录一下
你不定积分没加C�·2022-12-05 14:07

数据分析之缺失值填充（重点讲解多重插值法Miceforest）

缺失值填充的常用方法：均值填充、众数填充、多重插值法（更适用于多模态数据，例如医学数据）、K近邻
想成为风筝·2022-12-05 12:49

机器学习算法1：K-近邻算法(KNN)

机器学习算法1：K-近邻算法一、K-近邻算法简介二、K-近邻算法api介绍三、距离度量3.1欧式距离(EuclideanDistance)3.2曼哈顿距离(ManhattanDistance)3.3切比雪夫距离
Buckletime·2022-12-05 11:27
上一页 34 35 36 37 38 39 40 41 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他