K-neighbor

knn k近邻算法 绝对干货！！！

k-近邻算法(k-neighbor,k-NN)是一种基于分类和回归的方法，回归的值由k个最近的样例值的平均值作为预测决定，还可以基于距离远近进行加权平均，距离越近的样本权重越近。
hubingshabi·2020-07-09 08:37

机器学习教程 之 参数搜索：GridSearchCV 与 RandomizedSearchCV || 以阿里IJCAI广告推荐数据集与XGBoostClassifier分类器为例

在使用一些比较基础的分类器时，需要人为调整的参数是比较少的，比如说K-Neighbor的K和SVM的C，通常而言直接使用sklearn里的默认值就能取得比较好的效果了。
Liangjun_Feng·2018-04-03 20:24

机器学习教程 之 参数搜索：GridSearchCV 与 RandomizedSearchCV || 以阿里IJCAI广告推荐数据集与XGBoostClassifier分类器为例

在使用一些比较基础的分类器时，需要人为调整的参数是比较少的，比如说K-Neighbor的K和SVM的C，通常而言直接使用sklearn里的默认值就能取得比较好的效果了。
Liangjun_Feng·2018-04-03 20:24

UVALive 4671 (LA 4671) K-neighbor substrings (2009年合肥) FFT

题目大意：就是现在定义两个字符串之间的Hamming距离指的是两个相同长度的字符串对应位置字符不同的位置数量,例如“aab"和”bab"的Hamming距离是1因为第一个字符不一样现在给出K个两个只包含字符'a','b'的字符串A和B,求A的子串中与B的Hamming距离不超过K的本质不同的子串数量,即如果"aaa"在A中出现两次及以上且满足条件也只记一次大致思路：首先这个题之前以为是可以用后缀自
u013738743·2015-07-15 14:00

【Live Archive】4671 - K-neighbor substrings【FFT+后缀数组】

传送门：【LiveArchive】4671-K-neighborsubstrings题目分析：和Ural1996那题很像，都是通过将一个串反转后就可以将匹配变成卷积了。由于从A串中取出来的串是本质不同的，所以这里我用了后缀数组（用后缀数组纯粹是因为我懒==）做了处理：处理出的height数组，heighti表示字典序第i小的后缀和字典序第i−1小的后缀的最长前缀长度。然我我们可以轻而易举的发现，连
u013368721·2015-05-07 16:00
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他