K近邻

【Python机器学习】k近邻的优缺点

neighbors分类器有两个重要参数：邻居个数和数据点之间距离的度量方法。实践中使用较小的邻居个数（3、5个）往往可以取到比较好的结果。k-NN的优点是易于理解，通常不需要过多调节就可以得到不错的性能，构建模型的速度通常很快，但是如果训练集很大，预测速度可能会比较慢。缺点包括：对于有很多特征的数据集往往效果不好，对于大多数特征的大多数取值为0的数据集（也就是所谓的稀疏数据集）尤为不好，是实践中往
zhangbin_237·2024-01-05 22:54

KNN 回归

K近邻回归（K-NearestNeighborsRegression）是一种基于实例的回归算法，用于预测连续数值型的输出变量。
写进メ诗的结尾。·2024-01-05 12:53

3 k 近邻法

k近邻法（K-NN）是一种基本分类与回归方法。输入为实例的特征向量，对应于特征向量的点；输出为实例的类别，对应于实例的类别，可取多类。
奋斗的喵儿·2024-01-05 07:50

详解机器学习算法基础--K近邻算法

K近邻算法属于监督学习。监督学习是指给定我们的数据集是含有lable的，比如著名的iris数据集，就给定了我们每一个数据所属的类别，通俗一点讲，我们拿到一个数据，对应一个特征。
quzah·2024-01-05 06:44

机器学习：6.机器学习 --- K近邻

D、kNN算法属于监督学习AD2、下列说法错误的是:A、kNN算法的训练阶段需要构建模型B、kNN算法中k这个参数可以根据实际情况来调整C、kNN算法支持多分类D、kNN算法不属于无监督学习A第2关：K近邻再识
HNU岳麓山大小姐·2024-01-05 06:43

机器学习 -- k近邻算法

场景我学习Python的初衷是学习人工智能，满足现有的业务场景。所以必须要看看机器学习这一块。今天看了很久，做个总结。机器学习分为深度学习和传统机器学习深度学习深度学习模型通常非常复杂，包含多层神经网络，每一层都包含大量的神经元（节点）。这些模型可以包含数百万甚至数十亿个参数。深度学习模型可以自动学习数据的特征表示，而无需手动设计特征。通过多层神经网络，深度学习模型可以逐层提取和组合特征，从而更好
北堂飘霜·2024-01-05 06:39

【Python机器学习】k近邻——k近邻分类

除了仅考虑最近邻，还可以考虑任意（k个）邻居，这也是k近邻算法名字的由来。
zhangbin_237·2024-01-05 03:47

k近邻算法原理

k近邻算法主要思想k近邻算法是一种基本的分类与回归方法，其主要思想是基于样本之间的距离进行分类或回归预测。即对未标记样本的类别，由距离其最近的k个邻居投票来决定属于哪个类别。
北辰Charih·2024-01-01 13:13

Ｋ近邻模型原理（二）

ｋ近邻的最简单实现方法是线性扫描，有时也称为蛮力实现，其通过计算新的输入实例与每一个训练实例的距离，然后找出最小距离的ｋ个实例点，紧接着根据决策规则进行预测．当训练集很小时，这种方法显得有效；而当样本量很大时
徐_清风·2023-12-29 22:48

数据挖掘 分类模型选择

选择的模型有：决策树、朴素贝叶斯、K近邻、感知机调用的头文件有：importnumpyasnpimportpandasaspdfrommatplotlibimportpyplotaspltfromsklearn.linear_modelimportPerceptronfromsklearn.naive_bayesimportGaussianNBfromsklearn.neighborsimport
亖嘁·2023-12-29 09:31

K近邻算法（KNN）

KNN算法KNN算法原理K近邻(K-nearstneighbors,KNN)是一种基本的机器学习算法，所谓k近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。
温柔倾怀·2023-12-28 05:08

8.1 有监督学习算法

有监督学习算法0.机器学习理论基础根据酒精浓度、颜色深度判断红酒类别常用机器学习算法体系有监督学习无监督学习半监督学习强化学习输入/输出空间、特征空间过拟合与欠拟合1.KNN/K近邻算法1.1算法原理1.2
adamlay·2023-12-27 15:44

机器学习——KNN算法

1、简介KNN（K-NearestNeighbor,K近邻）算法是最简单的分类算法之一，它也是最常用的分类算法之一。KNN算法是在1968年由Cover和Hart提出的，是一个有监督机器学习算法。
风月雅颂·2023-12-27 03:02

Python机器学习——KNN

目录原理步骤案例原理1、KNN（K-nearestneighbors）：意为K近邻。
棒棒糖one·2023-12-27 03:48

K 近邻算法解析: 从原理到实践的机器学习指南

机器学习第三课k近邻概述机器学习简介K近邻算法K近邻中的距离欧氏距离曼哈顿距离余弦相似度选择合适的K值奇数vs偶数通过交叉验证选择k值实战分类问题回归问题K近邻算法的优缺点优点缺点手把手实现k近邻手搓算法实战分类概述机器学习
我是小白呀·2023-12-24 17:25

机器学习---K近邻算法

1.KNN算法K近邻算法，即K-NearestNeighboralgorithm，简称KNN算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一，1968年由Cover和Hart提出。
三月七꧁ ꧂·2023-12-24 07:34

【机器学习】朴素贝叶斯（Naive Bayes）

【机器学习】k近邻算法（KNN）【机器学习】决策树（DecisionTree）【机器学习】朴素贝叶斯（NaiveBayes）1.概述贝叶斯分类算法是统计学的一种概率分类方法，朴素贝叶斯分类（NaiveBayes
蓝色蛋黄包·2023-12-23 23:01

点云法向量与点云平面拟合的关系（PCA）

下面我们用最小二乘法求k近邻点云的拟合平面：当||x||＝1时，Ax=0的最小二乘解是ATA的最小特征值对应的特征向量等同于：ATA的最小特征值所对应的特征向量可使||Ax||最小。
菜鸟知识搬运工·2023-12-23 20:43

K 近邻算法（K-Nearest Neighbor），简称 KNN 算法 简介

K近邻算法（K-NearestNeighbor），简称KNN算法基于距离计算的方式来解决分类问题.数学描述:对于一个待测的样本点，我们去参考周围最近的已知样本点的分类，如果周围最近的K个样本点属于第一类
草明·2023-12-21 15:58

基于Matlab卷积神经网络垃圾分类识别系统

而且有巨大的经济效益．为了提高可回收生活垃圾识别的准确率，研究人员尝试利用图像处理、机器学习等方法自动识别玻璃瓶、废纸、纸盒、易拉罐等常见生活废品．利用图像处理技术获取垃圾图像的特征后，再利用深度学习网络、支持向量机、K近邻分类器
视觉那些事·2023-12-20 15:07

高斯分布、高斯混合模型、EM算法详细介绍及其原理详解

相关文章K近邻算法和KD树详细介绍及其原理详解朴素贝叶斯算法和拉普拉斯平滑详细介绍及其原理详解决策树算法和CART决策树算法详细介绍及其原理详解线性回归算法和逻辑斯谛回归算法详细介绍及其原理详解硬间隔支持向量机算法
IronmanJay·2023-12-18 06:47

非线性回归的实现方式

非线性回归的实现方式1.多项式回归：2.决策树回归：工作原理3.随机森林回归(更高级的集成方法)：工作原理4.支持向量回归（SVR）：工作原理5.K近邻回归（KNN回归）：工作原理6.神经网络回归：工作原理总结本文介绍多种非线性回归的实现方法
twinkle 222·2023-12-17 13:00

分类（七）—— 组合分类

主要内容分类概述决策树归纳K近邻算法支持向量机朴素贝叶斯分类模型评估与选择组合分类小结七、组合分类组合分类器（Ensemble）是一个复合模型，由多个分类器组合而成。
shi_jiaye·2023-12-16 17:12

分类（四）—— 支持向量机

主要内容分类概述决策树归纳K近邻算法支持向量机朴素贝叶斯分类模型评估与选择组合分类小结四、支持向量机支持向量机（SupportVetorMachine，SVM）由Vapnik等人于1995年首先提出，在解决小样本
shi_jiaye·2023-12-16 17:42

机器学习算法：K-NN（K近邻算法）

导读本文[1]将介绍机器学习中的K-最近邻算法，K-NearestNeighbors是一种机器学习技术和算法，可用于回归和分类任务。1.简介K-NearestNeighborsk-最近邻算法，也称为kNN或k-NN，是一种非参数、有监督的学习分类器，它使用邻近度对单个数据点的分组进行分类或预测。虽然它可以用于回归问题，但它通常用作分类算法，假设可以在彼此附近找到相似点。对于分类问题，根据比重分配类
冷冻工厂·2023-12-16 14:58

Python-Regression

本文归纳整理了线性回归（LinearRegression）、岭回归（Ridge）、Lasso回归（Lasso）、弹性网（ElasticNet）、K近邻、SVM等10多种机器学习模块sklearn中回归算法调用及实现过程
数据科学知识库·2023-12-15 18:18

人工智能原理复习--机器学习

文章目录上一篇机器学习概述归纳(示例)学习ID3决策树算法K近邻算法下一篇上一篇人工智能原理复习–搜索策略（二）机器学习概述学习系统的基本结构：环境学习知识库执行环境向系统的学习部分提供某些信息学习利用这些信息修改数据库
ˇasushiro·2023-12-14 13:56

使用VC++实现锐化处理（使用Sobel算子、Prewitt算子、Isotropic算子）

该工程的其他文章：01-一元熵值、二维熵值02-图像平移变换，图像缩放、图像裁剪、图像对角线镜像以及图像的旋转03-邻域平均平滑算法、中值滤波算法、K近邻均值滤波器04-分段线性变换，直方图均衡化、锐化处理
宁77吖·2023-12-06 09:32

用K近邻（KNN）机器学习算法进行股票走势预测-Python

什么是K近邻（KNN）K近邻(KNN，K-NearestNeighbors)是最简单的机器学习算法之一，可用于回归和分类。KNN是一种“惰性”学习算法，从技术上讲，它不训练模型来进行预测。
橙子的工具箱·2023-12-03 11:46

助训练框架下的半监督软测量建模方法

采用孪生支持向量回归机构建主学习器，对高置信度无标签样本添加伪标签；同时，基于K近邻算法构建辅学习器，最大化学习器在近邻样本集上的均方误差，经过此项指标筛选后的待处理样本集包含了更多的数据信息；主、辅学习器二者相辅相成
罗伯特之技术屋·2023-12-03 03:28

K近邻

一、模型1.1概念k-近邻算法是一种基本分类与回归方法，我们这里只讨论分类问题中的k-近邻算法。k-近邻算法的输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类。给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的k的实例，这k个实例的多数属于某个类，就把该输入实例归为此类。k=1时，为最邻近算法。由于kNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方
足圭·2023-12-02 01:50

机器学习K近邻算法

**机器学习之入门级算法K近邻**我们所说的KNN也就是K近邻算法！这是用来解决分类问题的：在训练集标签已经确定的情况下，给定一条新的数据，通过K近邻算法来确定它属于哪一类。
可爱的泥鳅·2023-11-29 07:31

【机器学习】K近邻算法

一、原理参数k的确定带权重的k近邻算法与模糊k近邻算法KNN算法用于回归问题在使用欧氏距离时应将特征向量归一化mahalanobis距离如何确定数据的协方差矩阵Bhattacharyya距离距离度量学习距离度量学习大边界最近邻分类二
十年一梦实验室·2023-11-29 07:23

使用VC++设计程序对一幅256级灰度图像进行全局固定阈值分割、自适应阈值分割

该工程的其他文章：01-一元熵值、二维熵值02-图像平移变换，图像缩放、图像裁剪、图像对角线镜像以及图像的旋转03-邻域平均平滑算法、中值滤波算法、K近邻均值滤波器04-分段线性变换，直方图均衡化、锐化处理
宁77吖·2023-11-27 22:21

使用VC++设计程序使用邻域平均平滑算法、中值滤波算法、K近邻均值滤波器（KNNF）进行滤波

文章目录VC++实现若干种图像滤波技术实验内容邻域平均平滑算法1.原理2.实验代码3.实验现象中值滤波算法1.原理2.实验代码3.实验现象K近邻均值滤波算法（KNNF）1.原理2.实验代码实验现象实验内容实验要求
宁77吖·2023-11-26 13:12

使用VC++设计程序：实现常见的三种图像插值算法：最近邻插值，双线性插值，立方卷积插值

该工程的其他文章：01-一元熵值、二维熵值02-图像平移变换，图像缩放、图像裁剪、图像对角线镜像以及图像的旋转03-邻域平均平滑算法、中值滤波算法、K近邻均值滤波器04-分段线性变换，直方图均衡化、锐化处理
宁77吖·2023-11-26 12:35

数据挖掘——k近邻算法入门

数据挖掘——k近邻算法入门**个人的学习笔记，欢迎大佬指点**保姆级注释，小白友好所需数据集链接：链接：https://pan.baidu.com/s/1BgWuKq5qCLJMaX8G4khYKQ提取码
北岸&初晴°·2023-11-24 05:43

机器学习实战之K近邻方法心得体会

暑假的时候在学习机器学习，买的第一本书是大名鼎鼎的的周志华老师的西瓜书，但由于是水平有限，所以看到了一半还是云里雾里的。于是在师兄的推荐下，入手了《机器学习实战》这本书，确实讲的很通俗易懂，而且每一章节都有相应的实战小项目练练手。暑假就把它给过了一遍，之后就看神经学习这方面的书籍去了，最近准备好好把暑假学习的知识好好整理一下，所以打算再好好过一遍这本书，并且把自己对于不同算法的认识也一并记录下来，
学习的学习者·2023-11-24 05:11

数据挖掘：K近邻

数据挖掘：K近邻@(机器学习)[数据挖掘,K近邻,算法]K最近邻（k-NearestNeighbor，KNN）分类算法，是最简单的机器学习算法之一。
venter_zhu·2023-11-24 05:09

数据挖掘5-K近邻

K近邻算法发表于2012-11-12下图中，绿色圆要被决定赋予哪个类，是红色三角形还是蓝色四方形？
各种控恩恩恩·2023-11-24 05:08

数据挖掘-k近邻算法的R实现

一、代码实现（R语言）1.编写函数使用k近邻算法计算预测值myknnfindk(X,y,K.list)$CV.per[,1][,2][,3][,4][,5][1,]0.0333333300.0666
Rr-7·2023-11-24 05:35

数据挖掘K近邻（KNN）算法

1KNN描述k近邻算法是一种基本分类与回归算法，是一种监督式学习。2KNN算法思想基本思想是在距离空间里，如果一个样本的最接近的k个邻居里，绝大多数属于某个类别，则该样本也属于这个类别。
菜菜~·2023-11-24 05:31

数据挖掘 K近邻

什么时候用K近邻？交叉验证的时候。最常见的交叉验证方法是K折交叉验证，其中数据集被均匀分成K个子集，称为折，然后执行K次训练和测试，每次选择不同的折作为测试集，其余的作为训练集。
亖嘁·2023-11-24 05:54

天猫用户重复购买预测（速通二）

天猫用户重复购买预测（二）模型训练分类相关模型1、逻辑回归分类模型2、K近邻分类模型3、高斯贝叶斯分类模型4、决策树分类模型5、集成学习分类模型模型验证模型验证指标特征优化特征选择技巧1、搜索算法2、特征选择方法模型训练分类相关模型
盖盖的博客·2023-11-24 01:46

监督学习与k近邻算法

监督学习监督学习是最常用也是最成功的的机器学习类型之一。每当想要根据给定的输入预测某个结果，并且还有输入/输出对的示例时，都应该使用监督学习。这些输入/输出对构成了训练集，我们利用它来构建机器学习模型。我们的目标是对从未见过的新数据做出准确预测。监督学习停车需要人力来构建训练集，但之后的任务本来非常费力甚至无法完成，现在却可以自动完成，通常速度也很快。分类与回归监督机器学习问题主要有两种，分别叫作
编程回忆录·2023-11-22 20:35

KNN(k近邻法)算法理论和实战

KNN概念k近邻法（k-nearestneighbor，k-NN）是一种基本分类与回归方法。k近邻法的输入为实例的特征向量对应于特征空间的点；输出为实例的类别，可以取多类。
数据与后端架构提升之路·2023-11-21 21:07

机器学习算法（三）：K近邻(k-nearest neighbors)初探

机器学习算法（三）：K近邻(k-nearestneighbors)初探1KNN的介绍和应用1.1KNN的介绍kNN(k-nearestneighbors)，中文翻译K近邻。
废物药浪学代码·2023-11-21 00:38

2021-12-19

k近邻法分类和ROC曲线是不是有几个类就要画几个ROC曲线啊？
琅琊笑笑风·2023-11-20 18:06

常见机器学习算法简述

kNN(k近邻)：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。在分类中，通过投票法选择这k个样本中出现最多的类别作为预测结果。
zerowl·2023-11-20 17:08

【自动驾驶与机器人中的SLAM技术】点云中的拟合问题和K近邻

目录1.在三维体素中定义NEARBY14，实现14格最近邻的查找。2.推导argmax||Ad||22的解为ATA的最大特征向量或者奇异向量。3.将本节的最近邻算法与一些常见的近似最近邻算法进行对比，比如nanoflann，给出精度指标和时间效率指标。4.也欢迎大家来公众号--“过千帆”读书。1.在三维体素中定义NEARBY14，实现14格最近邻的查找。在NearbyType中定义NEARBY14
宛如新生·2023-11-16 21:25
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他