k-近邻

机器学习——特征工程之K均值降维

机器学习——特征工程之K均值降维前言一、K-均值聚类（K-means）1、算法推导2、举例二、降维前言1、先直观解释什么是平面（线性子空间）和流形（非线性子空间）：答：如果线性子空间是一张平展的纸，那么非线性流形的一个简单例子就是卷起来的纸
macan_dct·2024-01-06 09:11

致老家的邻居

/我身边近邻，如需相助，也必出手效劳。
赵华平城乡之间的徘徊树·2024-01-06 09:38

机器学习 - 决策树

场景之前有说过k近邻算法，k近邻算法是根据寻找最相似特征的邻居来解决分类问题。k近邻算法存在的问题是：不支持自我纠错，无法呈现数据格式，且吃性能。k近邻算法的决策过程并不可视化。
北堂飘霜·2024-01-06 07:26

Arxiv网络科学论文摘要14篇(2020-09-28)

知识与社会相关性塑造了研究组合的多样化;资助CRISPR：了解政府和私营部门参与者在变革性创新系统中的作用;含时网络上的流行病建模系统框架;城市化与经济复杂性;时间成本异质性机制促进雪堆博弈合作;黎曼投影近邻梯度法的社区检测
ComplexLY·2024-01-06 06:56

机器学习算法分类

监督学习目标值：类别--分类问题目标值：连续型的数据--回归问题分类模型k近邻算法，贝叶斯分类，决策树与随机森林，逻辑回归,SVM,回归模型线性回归，岭回归无监督学习目标值：无聚类模型k-means机器学习开发流程获取数据数据清洗特征工程
学了忘了学·2024-01-06 01:40

3sum closet

nums,target):""":typenums:List[int]:typetarget:int:rtype:int"""min_t=100000i=0nums.sort()whileitarget:k-
April63·2024-01-06 00:32

【Python机器学习】k近邻——模型复杂度与泛化能力的关系

以某数据进行研究，先将数据集分为训练集和测试集，然后用不同的邻居数对训练集合测试集的新能进行评估：fromsklearn.datasetsimportload_breast_cancerfromsklearn.model_selectionimporttrain_test_splitfromsklearn.neighborsimportKNeighborsClassifierimportmatpl
zhangbin_237·2024-01-05 23:30

【Python机器学习】k近邻——k近邻回归

k近邻算法还可以用于回归任务，如果单一近邻，预测结果就是最近邻的目标值，使用多个近邻时，预测结果为这些邻居的平均值。
zhangbin_237·2024-01-05 23:30

【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

《数据挖掘基础》实验：Weka平台实现聚类算法

实验目的进一步理解聚类算法（K-平均、PAM、层次聚类、密度聚类），利用weka实现数据集的聚类处理，学会调整模型参数，以图或树的形式给出挖掘结果，并解释规则的含义。
lazyn·2024-01-05 18:08

使用KD-Tree树查找最近邻点 - 二维

主要应用于多维空间关键数据的搜索（如：范围搜索和最近邻搜索）。K-D树是二进制空间分割树的特殊的情况。
turbolove·2024-01-05 18:48

一只狗的故事

在农村，刚出生的小狗一般在会吃饭之后被送给主人家的七大姑八大姨，反正是远亲近邻谁要谁拿走。在我的四个哥哥姐姐
紫薯酥酥·2024-01-05 16:36

讲解机器学习中的 K-均值聚类算法及其优缺点。

K-均值聚类算法是一种常见的无监督学习算法，用于将数据集中的观测点分成K个不同的组或簇。它是一种迭代算法，通过计算每个观测点与K个中心点的距离，并将每个观测点分配到距离最近的中心点所属的簇中。
荆赫同艺·2024-01-05 13:38

k-means算法的中文名字是什么，是用来干什么的呢。

问题解答：k-means算法的中文名字是"K均值算法"，也有时候被称为"K-平均算法"。这是一种常用于聚类分析的算法，通过将数据分成k个簇，使得每个数据点都属于离其最近的簇的中心。
神笔馬良·2024-01-05 12:26

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

30年变迁，八十年代的童年回忆

生活可能有如几十年如一日般的往复，祖祖辈辈都做着同样的事情，生活节奏慢，基本上吃穿用都是自己做的，那个年代有很多的手艺人，物质匮乏的时代，都要动手来做的，很多手艺人都是祖祖辈辈传下来的，当年的人活动范围基本上就是家里，附近邻
正能量龙猫·2024-01-05 09:23

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

K-均值聚类（K-means clustering）

K-均值聚类（K-meansclustering）是一种常用的无监督学习算法，用于将样本数据划分成K个不同的类别。K-均值聚类试图找到K个簇，使得簇内的样本点相似度最高，而簇间的样本点相似度最低。
python无人驾驶 医学芯片·2024-01-05 07:30

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

、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

k-NN算法最简单的版本是只考虑一个最近邻，也就是想要预测的数据点最近的训练数据点，预测结果就是这个训练数据点的已知输出。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

『OPEN3D』1.5.3 动手实现点云KD树最近邻

本专栏地址：https://blog.csdn.net/qq_41366026/category_12186023.html?spm=1001.2014.3001.54821、K-d树有什么用当我们在一个排序后的容器中进行查找时，使用二分查找可以显著减少查找时间。基于这个思路，我们可以引入一种类似于二分查找的数据结构，它被称为二叉搜索树（BinarySearchTree，BST）。而对于高维空间中
NNNNNathan·2024-01-05 00:50

『OPEN3D』1.5.4 动手实现点云八叉树(OctoTree)最近邻

本专栏地址：https://blog.csdn.net/qq_41366026/category_12186023.html?spm=1001.2014.3001.54821四叉树与八叉树在二维和三维空间中，我们可以采用四叉树（Quadtree）和八叉树（Octree）这两种特定的数据结构来处理空间分割。这些树形结构可以看作是K-d树在不同维度下的扩展。在四叉树中，一个节点有四个子节点，而八叉树则
NNNNNathan·2024-01-05 00:50

最近邻插值详解（图像旋转变换为例）

以一张3x3的图片为例：坐标：（0，2）（1，2）（2，2）（0，1）（1，1）（2，1）（0，0）（1，0）（2，0）旋转变换公式：x'=xcosβ-ysinβy'=xsinβ+ycosβtakeβ=30°forexamplecos30°≈0.86sin30°=0.5原始坐标目标坐标取整1（0，2）（-1，1.72）（-1，2）2（1，2）（-0.14，2，22）（0，2）3（2，2）（0.72
HRU_3912·2024-01-04 19:09

k Nearest Neighbour(KNN)建模

介绍：K最近邻（K-NearestNeighbors，KNN）是一种基本的分类和回归算法。
取名真难.·2024-01-04 15:58

机器学习中的监督学习基本算法-线性回归简单介绍

机器学习中的监督学习算法有很多，如下所示：监督学习算法:线性回归、逻辑回归、K-近邻算法(KNN)、BP神经网络、朴素贝叶斯算法、随机森林、决策树、支持向量机。
Algorithm_Engineer_·2024-01-04 15:58

南瓜平台主打QQ任务，每天有成千上万任务等你去做

真正要赚钱主要还是要选对平台，南瓜任务平台全程零米投入，却胜在见效快，只要接单工作当天就有收入，30秒一单佣金收入也还能让家人基本满意，都说穷在城市无近邻，富在深山有远亲，这句话果然是没错的，所以搞点副业挣点外快还是有不要的
氧惠好物·2024-01-04 12:49

远亲不如近邻

图片发自App都说远亲不如近邻，近邻不如对门，这次我可体会到了，现在生活好了，家家户户都有个小汽车，有的还有两三辆，我住的小区是开放式的，好几个村子凑在一起的，也没有保安管理，属于自治式的，好在街坊邻居相处的很好
高崖小秦·2024-01-04 04:45

Arxiv网络科学论文摘要9篇(2020-10-07)

有向图网络;考虑用户位置隐私的编码的近似最近邻搜索，以识别模拟流行病中的易感感染;复杂网络上运行的具有相变到吸收态的流行病模型综述;高保真社会学习的演化;基于解耦的连续图表示学习;COVID-19：关于短暂访问高风险地区后的隔离时间
ComplexLY·2024-01-03 11:51

11-交叉验证与网格搜索对k-近邻算法调优

交叉验证目的：为了让被评估的模型更加准确可信数据分类训练集和测试集，再将训练集分为训练和验证集。eg：将数据分成5份，其中一份作为验证集。然后经过5次(组)的测试（每次换一组作为验证集，将之前的验证当作之后的一个训练集），每次都更换不同的验证集。即得到5组模型的结果，取平均值作为最终结果。又称5折交叉验证。从而，所有数据都即作为过训练集，也作为过验证集。交叉验证一般是和网格搜索一起使用的网格搜索也
jxvl假装·2024-01-02 21:33

2021-07-17

谭玲焦点解决网络初级20期中21，坚持原创分享第546天，2021年7月17日小区为了拉近邻里距离，和谐邻里关系，搞了一次长者生日庆祝活动，其中小区有三支广场舞表演队参与活动。
谭玲_069d·2024-01-02 15:20

六尺巷中的处世哲学

有相处甚好的：远亲不如近邻，互相串门、礼品相赠。有泛泛之交的：点头微笑致意便足矣，节外生枝、惹是生非乃奇闻。却也有相反相恶的：盛气凌人、指桑骂槐、泼妇卖街，极尽污言秽语。
祝渊阁·2024-01-01 16:37

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

学习笔记：机器学习

文章目录一、机器学习概述二、机器学习活跃领域（一）数据分析与数据挖掘（二）人工智能——图像和语音识别三、经典机器学习算法（一）线性回归（二）逻辑回归（三）决策树（四）随机森林（五）k-近邻（KNN）（六
howard2005·2024-01-01 11:19

学会宽容

2019年5月18日邻里之间人们常说：“远亲不如近邻”。现在生活条件好了，人们聊天的时间多了。事也多起来。
ALU岁月静好·2023-12-31 22:05

婆媳相处认清这些，家庭和谐了很多，你知道吗？

最近邻居大娘和她儿媳妇的关系有些紧张，儿媳妇有些不孝顺的行为，怎么说呢，就是老人好好的时候，天天让看孩子，帮忙干活，捞不着一点好，也不说好话，一切都应该一样。
真真_3d37·2023-12-31 21:18

儿子被猪啃了，老爹妈帮你逆转

作为近邻，我还是知道点的。老两口的儿子读研读博之后，应聘到一家外资企业，年薪可能突破七位数，也算是在京扎下了根。怪就怪他，不但才高
晓听花落·2023-12-31 13:09

【471】天悦社群运营的思考

天悦业主社群运营了将近1年半了，最初设想是建立一个业主服务群，后期因群内反应问题太多，转而改为：远亲不如近邻，天悦一家人社群，目标参考是像万科良渚新村的服务社群。
邢倩倩·2023-12-31 09:19

西瓜书公式（10.31）的推导

西瓜书10.5.2节局部线性嵌入与Isomap试图保持近邻样本之间的距离不同，局部线性嵌入（LocallyLinearEmbedding,简称LLE）试图保持邻域内样本之间的线性关系。
chansonzhang·2023-12-31 07:59

机器学习之初识KNN算法——针对泰坦尼克号生存记录建模的两种方法

KNN算法原理本篇博客基于《机器学习实战》实现算法原理简要概括，重在代码实现k-近邻算法(kNN)的工作原理是：存在一个样本数据集合，称训练样本集，并且样本集中每个数据都存在标签，即样本集中每一数据与所属分类的对应关系
奶糖猫呀·2023-12-30 18:01

左邻右舍

远亲不如近邻。图片发自App小时候，站在自家的墙根，踮起脚尖，邻居家院子里的物设便一览无余。到了饭点儿，左右邻居的饭菜味儿，增相飘进你的鼻孔里。到了再大一点儿，居家迁到了县城。
爱你_1314·2023-12-30 07:44

世界杯的职场

韩国是中国近邻，是国足的死敌，不过也是代表亚洲水平的一份子。两个国家足球的碰撞，想不关注都难。
纽森猎头王凡·2023-12-30 01:33

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

邻居节一一麦饼宴

俗话说远亲不如近邻，社区专门组织了这场“以邻为伴以邻为善”为主题的邻居节。为了准备这次麦饼宴，十多位社区党员、巾帼志愿者，还有热心的馨逸名苑居民一大早就开始忙碌。
卧云听泉·2023-12-29 21:07

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

讲解机器学习中的 K-均值聚类算法及其有缺点

K-均值聚类（K-meansclustering）是一种无监督学习算法，用于将数据集划分为K个不同的群类。其基本思想是将数据点分为K个簇，使得每个簇内部的点越相似，不同簇之间的差异越大。
weixin_45906460·2023-12-29 08:48

机器学习笔记

数据模型预测1.3算法分类数据集：特征值+目标值1.3.1监督学习目标值分类类别分类问题连续型的数据回归问题（1）分类K-近邻算法、贝叶斯
王小白学习·2023-12-29 08:18

讲解机器学习中的 K-均值聚类算法及其优缺点。

K-均值聚类的步骤如下：随机选择K个点作为初始化质心。分别计算每个样本与所有质心之间的距离，将每个样本分配到与其距离最近的质心所在的簇中。更新质心，即将每个簇的质心移动到该簇中所有样本的平均位置。
程序猿～厾罗·2023-12-29 08:12

讲解机器学习中的K-均值聚类算法及其优缺点

K-均值聚类算法是一种常用的无监督学习算法，主要用于将数据集划分为K个不重叠的簇。其基本思想是将数据点划分到簇中，使得同一簇内的数据点之间的相似度最大化，不同簇之间的相似度最小化。
东北霸主劳德利·2023-12-29 08:09
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他