neighbor

K最近邻(k-Nearest Neighbor) 浅析

K最近邻(k-NearestNeighbor，KNN)分类算法的核心思想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。KNN算法可用于多分类，KNN算法不仅可以用于分类，还可以用于回归。通过找出一个样本的k个最近邻居，将这些邻居的属性的平均值赋给该样本，作为预测值。一、kNN概念描述kNN算法又称为k最近邻(k-nearestn
刘敬·2020-01-07 21:09

#翻译经典# 基于商品的协同过滤推荐算法 Item-Based Collaborative Filtering Recommendation Algorithms

概要ABSTRACT基于KNN（K-Nearest-Neighbor）的推荐系
lichald·2019-12-23 09:58

[朱雯萱•分享小故事]Nice Neighbor

图片发自AppWhenIarrivedintheUnitedStates.MyneighborMarkandhiswifeSuegaveusagift,acookiejarwithournameengravedonit.Theyaresothoughtful.Wewentonholiday,MarkandSuehelpeduswatertheflowers,feedthefishandthetor
朱雯萱·2019-12-22 06:20

处理数据清洗和数据丢失

LotFrontage','LotArea','Street','Alley','LotShape','LandContour','Utilities','LotConfig','LandSlope','Neighbor
DouMarK·2019-12-17 02:03

t-SNE（t-distributed Stochastic Neighbor Embedding）

manifold可以称之为流形数据。像绳结一样的数据，虽然在高维空间中可分，但是在人眼所看到的低维空间中，绳结中的绳子是互相重叠的不可分的。t-SNEt-SNE是目前来说效果最好的数据降维与可视化方法，但是它的缺点也很明显，比如：占内存大，运行时间长。但是，当我们想要对高维数据进行分类，又不清楚这个数据集有没有很好的可分性（即同类之间间隔小，异类之间间隔大），可以通过t-SNE投影到2维或者3维的
衣介书生·2019-12-15 17:45

EIGRP

224.0.0.104.支持等价/非等价的负载均衡5.后继（主路由Successor）和可行后继（备用路由FeasibleSuccessor）6.支持在任意点（端口）手工汇总二、EIGRP的三张表1.邻居表（neighbor
肉饼·2019-12-14 17:05

KNN（K-Nearest Neighbor）

分类与回归的区别-分类：分类就是确定该目标属于哪一类，KNN用于分类就是判断该目标属于哪一类-回归：回归就是预测结果（例如一个数字），KNN用于回归就是推测该目标具体的值是多少，例如一个目标的5个邻居的值是1，2，3，4，5，那么该目标应该是3.超参数的选择K的值的选取影响准确率KNN距离的公式，影响准确率（L1：曼哈顿距离，L2:欧拉距离，余弦距离）不同算法的选择，KNN?K-MEANS?也是一
myth_0c21·2019-12-12 07:22

K近邻（k-Nearest Neighbor，KNN）算法，一种基于实例的学习方法

1.基于实例的学习算法0x1：数据挖掘的一些相关知识脉络本文是一篇介绍K近邻数据挖掘算法的文章，而所谓数据挖掘，就是讨论如何在数据中寻找模式的一门学科。其实人类的科学技术发展的历史，就一直伴随着数据挖掘，人们一直在试图中数据中寻找模式，猎人在动物迁徙的行为中寻找模式农夫在庄稼的生长中寻找模式政客在选民的意见上寻找模式恋人在对方的反应中寻找模式企业家的工作是要辨别出机会，寻找出那些可以转变为有利可图
郑瀚Andrew.Hann·2019-11-09 15:00

Cuts off Tree[Hard]

然后neighbor如果是0就是不能走，如果是1或者heights就可以走。有一个比较难的地方就是跟普通BFS不太一样，有一个走路的优先顺序。
98Future·2019-11-01 10:28

【机器学习】【监督学习】【算法01-实例02】K近邻（k-nearest neighbor）-鸢尾花

鸢尾花的分类实例是一个非常经典的例子。也是sklearn中一个非常经典的数据集合。我们首先从数据集的结构特点来开始。1.数据集的加载#从sklearn.datasets导入iris数据加载器。fromsklearn.datasetsimportload_iris#使用加载器读取数据并且存入变量iris。iris=load_iris()#查验数据规模。#如果想要在pycharm这类的编辑器里面显示，
xiaotang_sama·2019-09-29 18:41

python使用opencv实现马赛克效果示例

原理和注意点，我都写在注释里了importcv2##马赛克defdo_mosaic(frame,x,y,w,h,neighbor=9):"""马赛克的实现原理是把图像上某个像素点一定范围邻域内的所有点
半山无极·2019-09-28 11:25

关于OSPF（一）原理

二、OSPF常见的几个概念1.邻居（Neighbor）：宣告OSPF的路由器从所有启动OSPF协议的接口上发出Hello数据包。
噷嗳伱·2019-09-20 20:09

kNN（k-NearestNeighbor，K最近邻）分类算法

作为最简单又硬核的分类算法，kNN常常是我们小白们接触deeplearning的第一步所谓kNN，简单来讲就是最靠近该类的K个“邻居”（neighbor），图片来理解就是图中可以清楚看出K=5而在特殊例子中
木藏于林·2019-06-28 14:42

【机器学习笔记】——k近邻（k-nearest neighbor，k-NN）

目录1k-NN1.1基本思路1.1.1距离度量1.1.2k值的选择1.1.3决策1.2基于kd树的k-NN算法1.2.1构造kd树1.2.2搜索kd树（基于kd树的k-NN算法）1.2.2.1基于kd树的最近邻算法1.2.2.2基于kd树的k-NN算法1.3k-NN的优缺点1.3.1优点1.3.2缺点2算法实现2.1原始形式1——自定义二维特征分类数据2.2原始形式2——自定义二维特征分类数据2.
孙悟充·2019-06-26 21:12

Nearest Neighbor分类器（笔记）

NearestNeighbor分类器在分类问题中，将每张测试图片上的每一个像素点与训练集中的图片对应的像素点进行比较，得到差异最小的图片，从而认为他们的类别相同。判断差异的方法有两种方法一方法二具体情况自己跑一下，在像素点差距较大时用方法一。目的是表达出两张图片的差异性，所以其他的方法可以自己定义。k-NearestNeighbor分类器升级版的，测试图片的类别选取与其差异值最小的训练集的类别，只
Yihang Zhao·2019-06-12 20:19

KNN(K-Nearest Neighbor)分类算法原理

https://blog.csdn.net/shenziheng1/article/details/718911261.什么是看KNN算法？最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分类。但是怎么可能所有测试对象都会找到与之完全匹配的训练对象呢，其次就是存在一个测试对象同时与多个训练对象匹配，导致一个训练对象被分到了
薄荷微光少年梦·2019-06-07 06:51

Assigment1 k-Nearest Neighbor (kNN) exercise (1)

Assigment1k-NearestNeighbor(kNN)exercise(1)一、作业内容（感觉很多深度学习相关课程的入门第一课都是kNN啊。。。可能是因为它具有提高学习兴趣的魔力？或者比较简单？？）kNN分类器是一种十分简单暴力的分类器，算法原理简单易懂，就是计算距离以进行比较，它包含两个主要步骤：1）训练这里的训练应该加上下引号，因为它其实啥也没干，仅仅读取了训练数据并进行存储以供后续
JiangNanMax·2019-06-02 10:57

cs231n作业，assignment1-knn详解（注重算法与代码的结合）

作业下载地址建议作业完成顺序k近邻分类：knn.ipynb&k_nearest_neighbor.pysvm线性分类：svm.ipynb&linear_svm.py&linear_classifier.pysoftmax
打酱油QAQ·2019-04-14 19:33

机器学习算法 KNN（k-Nearest Neighbor）

目录补充：超参数和模型参数python实现：KNN(K-NearestNeighbors)K近邻算法实现手写数据集的分类问题导入手写数据集（digits）数据集通过上面的分析，我们可以知道，怎么将现实中的东西以数据的形式表示下面是KNN模型的实例step1：将数据切分为训练集和测试集调用sklearn中的KNN算法直接调用score，默认是计算精确度accuracy也可以调用sklearn中的ac
NYSYSUWU·2019-04-14 09:29

【Tensorflow】Windows编译tensorflow时LINK : fatal error LNK1181: 无法打开输入文件“\pywrap_tensorflow_internal.lib

fatalerrorLNK1181:无法打开输入文件“\pywrap_tensorflow_internal.lib”出现这个错误是因为_beam_search_ops、_gru_ops、_lstm_ops、_nearest_neighbor_ops
heiheiya·2019-04-12 15:30

K近邻K Nearest Neighbor

项目地址：https://github.com/Daya-Jin/ML_for_learner/blob/master/neighbors/KNN.ipynb原博客：https://daya-jin.github.io/2018/12/29/KNearestNeighbor/模型结构K近邻(KNearestNeighbor)是一种基于存储的算法，该算法不需要拟合任何模型，给定一个需要判别的样本xi
qq435248055·2019-04-10 11:03

李宏毅机器学习——学习笔记（14） Unsupervised Learning-Neighbor Embedding

ManifoldLearning（流型学习）：将流型空间降维后，可以直接用普通方法进行邻居embedding。LocallyLinearEmbedding（LLE）：运用样本x邻居的线性组合来表示样本x，样本x降维后所形成的z仍然基于原来的权重，用邻居的线性组合来表示。首先在原来的空间中找到w，在降维以后的空间中，固定住w，找出一组z，最小化邻居表示样本的误差。这个方法比较重要的超参数，就是邻居的
青芒·1·2019-04-05 17:11

OSPF的基本原理

二、OSPF常见的几个概念1.邻居（Neighbor）：宣告OSPF的路由器（也可能是通过quagga软件配置的普通服务器）从所有启动OSPF协议的接口上发出Hello数据包。
Mr萝卜·2019-02-15 16:45

计算机视觉（四）：使用K-NN分类器对CIFAR-10进行分类

2-准备工作创建项目结构如图所示在datasets文件中下载数据集Cifar-10k_nearest_neighbor.py代码如下：importnumpyasnpfromnumpyimport*#导入
LiAnG小炜·2019-01-05 11:37

K-nearest Neighbor

概述K-近邻算法(k-NN)是一个可以用来分类算法（也可以用来回归，本文不讨论）。基本思路是给定一个标记好的数据集，在数据集的特征空间选取一个距离度量标准，对于需要分类的数据点在该数据集中选取距离最近的k个数据实例，然后利用某种分类决策规则(如多数表决)得到实例点的类别。可以看到k-NN没有明显的学习过程(没有可学习的模型参数，k为超参)。对k-NN算法影响较大的元素有三个：k值，距离度量标准，分
BigPeter·2018-12-16 12:17

针对上一篇prim最后的完善结果

3returnNULL;4}5int*weight=newint[this->vertexNum];6this->minPath=newedge[this->vertexNum-1];//存储最小生成树的边7int*neighbor
向语希·2018-12-14 21:00

注意力机制（Attention）Non-local Neural Networks

2018CVPR的一篇论文，主要解决的问题是通过Non-local的方法扩大传统CNN，RNN方法的感知域（即传统的CNN一个像素点对应的输出只受其neighbor的影响，Non-local方法使每一点的输出受所有像素点的影响
牛肉塔克·2018-12-05 18:08

神经网络学习引入-邻近算法Nearest Neighbor Classifier

邻近算法这个分类算法与卷积神经网络无关，并且在实际应用中的使用也并不是特别广泛，但是通过对这个算法的学习，我们能够对图片分类问题有一个大致的解决思路。L1距离与L2距离给定的两个图片，将它们表现成两个矢量I1、I2，一个最容易理解、最容易被接受的对比它们的方法是L1距离。d1(I1,I2)=∑p∣I1p−I2p∣d_{1}(I_{1},I_{2})=\sum_{p}|I_{1}^{p}-I_{2}
AG9GgG·2018-11-25 17:25

Nearest Neighbor分类算法的实现

NearestNeighbor分类器通过寻找最近的一个点来分类，可以实现一个简单的分类器。具体步骤，总结如下：1、deftrain(self,X,y):#使用训练集的训练数据和标签来进行训练2、defpredict(self,X):#在新遇到的测试图像上预测分类标签我们只需要在训练阶段，记住所有的训练数据和标签；在预测步骤，我们会拿一些新的测试图片去在训练数据中寻找与新图片最相似的，然后基于此来给
荷叶田田_·2018-11-07 14:00

机器学习实战（一）k-近邻kNN（k-Nearest Neighbor）

目录0.前言1.k-近邻算法kNN（k-NearestNeighbor）2.实战案例2.1.简单案例2.2.约会网站案例2.3.手写识别案例学习完机器学习实战的k-近邻算法，简单的做个笔记。文中部分描述属于个人消化后的理解，仅供参考。所有代码和数据可以访问我的github如果这篇文章对你有一点小小的帮助，请给个关注喔~我会非常开心的~0.前言k-近邻算法kNN（k-NearestNeighbor）
I can丶·2018-10-15 16:09

K 近邻法（k-nearest neighbor，k-NN）MATLAB实现

一、简单介绍二、实验准备实验数据：IRIS也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类（本次实验中，分别记为1,2,3类），每类50个数据，每个数据包含4个属性。实验语言：MATLAB目录结构：三、具体代码实现1）knn实现functiony=knn(trainData,sample_label,testData,k)%KNNk-NearestNeighbor
Sophia_Dz·2018-10-10 20:59

机器学习与深度学习系列连载： 第一部分 机器学习（十五）非监督度学习-2 Unsupervised Learning-2（Neighbor Embedding）

临近编码NeighborEmbedding在非监督学习降维算法中，高维度的数据，在他附近的数据我们可以看做是低纬度的，例如地球是三维度的，但是地图可以是二维的。那我们就开始上算法1.LocallyLinearEmbedding(LLE)我们需要找到wijw_{ij}wij来最小化：找到wijw_{ij}wij后，我们固定它，然后在z中进行判断实验：2.LaplacianEigenmaps我们回一下
人工智能插班生·2018-10-06 10:05

nearest_neighbor

from__future__importprint_functionimportnumpyasnpimporttensorflowastf#ImportMNISTdatafromtensorflow.examples.tutorials.mnistimportinput_datamnist=input_data.read_data_sets("/tmp/data/",one_hot=True)#I
毒脚兽vs佬斯基·2018-09-07 10:37

BGP大型企业实战配置案例

拓扑：需求：通过BGP的全互联使得R1的环回口和R5的环回口能够互相通信配置方案：1、在此配置设备的（IP地址省略）2、R1和R2通过直连构建EBGP邻居关系R1：routerbgp100bgplog-neighbor-changesneighbor12.1.1.2remote-as200
萌了鹏子·2018-09-05 22:09

15、【李宏毅机器学习（2017）】Unsupervised Learning: Neighbor Embedding（无监督学习：邻域嵌套）

上一篇博客介绍了无监督学习在文字中的降维方法——WordEmbedding，本篇博客将继续介绍无监督学习算法的降维方法——NeighborEmbedding。目录LocallyLinearEmbedding(LLE)LaplacianEigenmapsT-distributedStochasticNeighborEmbedding(t-SNE)t-SNE算法t-SNE–SimilarityMeas
Jimmyzqb·2018-08-29 11:04

Bgp 路由协议

拓扑图：一：先配置所有路由器接口ip和回环IP，如图配置区域igp路由协议，（回环口只讲L0加入network）二：配置bgp1.ebgp建立邻居：R1：neighbor192.168.30.1remote-as200neighbor192.168.30.1update-sourceloopback0neighbor192.168.30.1ebgp-multihop3neighbor192.168
洛克鱼·2018-08-24 17:00

通过身份证号用sql获取年龄和性别

自己创建的列不能用where条件查询可以通过子查询完成selectpid,name,id_card,registry_type,registry_county,registry_street,registry_neighbor_committee
1021571516·2018-08-22 09:00

数据关联算法之最近邻数据关联（Nearest Neighbor，NN）

在上一篇博客中有详细介绍数据关联的步骤：建立关联门，确定关联门限。门限过滤。确定相似性度量方法。建立关联矩阵。确定关联判定准则。形成关联对。在这些步骤中，关联门可以选择矩形或椭圆形，对于最近邻算法，相似性度量方法选择加权欧式距离。数据关联是将不确定性观测数据与轨迹进行配对，而最近邻算法又是什么呢？最近邻算法利用加权欧式距离计算每一个观测数据到真实目标的距离，然后再取其最近的一个观测数据作为目标真实
微生俘·2018-08-10 11:55

机器学习——k-近邻(K-Nearest Neighbor)

目录K-NearestneighborK-近邻分类算法从文本文件中解析和导入数据使用python创建扩散图归一化数值K-Nearestneighbor（个人观点，仅供参考。）k-近邻算法，第一个机器学习算法，非常有效且易掌握，本文将主要探讨k-近邻算法的基本理论和使用距离侧量的算法分类物品；最后通过k-近邻算法改进约会网站和手写数字识别系统。文章内容参考《机器学习实战》K-近邻分类算法简单的说，通
dizhuange0447·2018-08-03 15:00

kNN分类 (k-nearest neighbor,k近邻法)

核心：物以类聚----根据邻近样本决定测试样本的类别。一、概念所谓邻近样本，就是离它最近的k个样本，通过计算其与所有已知样本的距离来确定。（距离的计算方式有多种（https://blog.csdn.net/albert201605/article/details/81040556），kNN一般使用的是欧氏距离，即两点间的空间距离，为两点向量差的L2范数。两个n维向量A（x11,x12,...,x1
归去_来兮·2018-07-28 22:11

【机器学习】k-近邻算法（k-nearest neighbor, k-NN）

前言kk近邻学习是一种常用的监督学习方法。kk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。kk近邻法的工作机制很简单：给定测试样本，基于某种距离度量（关于距离度量可以点击此处）找出训练集中与其最靠近的kk个训练样本，然后基于这kk个“邻居”的信息来进行预测。分类时，对新的实例，根据其kk个最邻近的训练实例的类别（通过距离度量求得），通过多数表决等方式进行预测，也
Daycym·2018-07-18 20:20

47-高级路由：BGP 镜子实验

三、命令部署：R3(config)#routerbgp123R3(config-router)#neighbor2.2.2.2route
第七_感·2018-07-07 14:53

23-高级路由：BGP配置（MPLS-解决路由黑洞）

一、实验拓扑：二、实验要求：1、R1、R2、R4、R5部署BGP基本配置：bgp号、bgprouter-id、noauto-summary、neighbor、network；2、三个不同AS之间手动建立邻居关系
第七_感·2018-07-07 13:21

数字图像处理笔记二 - 图片缩放(最近邻插值(Nearest Neighbor interpolation))

图片缩放的两种常见算法：最近邻域内插法(NearestNeighborinterpolation)双向性内插法(bilinearinterpolation)本文主要讲述最近邻插值(NearestNeighborinterpolation算法的原理以及python实现基本原理最简单的图像缩放算法就是最近邻插值。顾名思义，就是将目标图像各点的像素值设为源图像中与其最近的点。算法优点在与简单、速度快。如
FishBear_move_on·2018-07-04 20:59

Python机器学习k-近邻算法(K Nearest Neighbor)实例详解

本文实例讲述了Python机器学习k-近邻算法。分享给大家供大家参考，具体如下：工作原理存在一份训练样本集，并且每个样本都有属于自己的标签，即我们知道每个样本集中所属于的类别。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后提取样本集中与之最相近的k个样本。观察并统计这k个样本的标签，选择数量最大的标签作为这个新数据的标签。用以下这幅图可以很好的解释kNN算法：不同
Eric Chan·2018-06-25 10:36

（五） K-Nearest Neighbor (临近取样，KNN算法)

综述1.1Cover和Hart在1968年提出了最初的邻近算法1.2分类(classification)算法1.3归属于输入基于实例的学习(instance-basedlearning),懒惰学习(lazylearning)。在处理训练集的时候，我们并没有建任何的模型，而是对于一个未知的实例，我们开始归类的时候，我们才来看，根据它和我们已知类型的比较，来给他归类，也就是说，在开始并不建什么广泛的模
AngelovLee·2018-06-03 23:25

C++构造树（基于层次序列以及各节点度数）

include#include#defineMax_Size100usingnamespacestd;typedefstructtreenode{chardata;treenode*first;treenode*neighbor
coolsunxu·2018-05-27 21:02

Image Classification: Data-driven Approach, k-Nearest Neighbor, train/val/test splits

此笔记基于斯坦福cs231n课程。作者：武秉文Jerry，[email protected]转载请注明出处目录图像分类介绍，数据驱动(data-driven)方法，pipeline。最近邻分类器k-NearestNeighborValidationsets,交叉验证,hyperparametertuning（调整）最近邻方法的优缺点总结总结：在实践中运用kNN扩展阅读图像分类Motivat
JerryiGeek·2018-05-19 23:34

BGP后门

之间的环回用EIGRP建立邻居关系，R4,R5建立EBGP关系，邻居关系有的时候DOWN,有的时候UP解决方法--BGP后门R4#Apr1220:47:46.939:%BGP-5-ADJCHANGE:neighbor5.5.5.5DownPeerclosedthesessi
进击的闪电·2018-04-16 20:02

BGPAs-path acl 路由过滤

$R5(config-router)#neighbor45.1.1.4filter-list1in一定要进行调用R5#showipbgpBGPtableversionis20,localroute
进击的闪电·2018-04-16 20:07
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他