注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. k最近邻分类算法

  2. k最近邻算法是一种有效快速的分类算法，包括源代码和测试数据

  3. 所属分类：C

    • 发布日期：2012-03-13
    • 文件大小：49152
    • 提供者：panghouzi

  1. K最近邻算法在分类和预测中的应用

  2. K最近邻算法，应用及优缺点 k-NN的思想可以容易地用来预测连续值（和我们建立多元线性回归模型的目的一样），通过用k个近邻的平均值来简单的预测因变量。通常，这个均值是带有权重的，权重随着和需要做预测的点的距离的增加而减小。

  3. 所属分类：专业指导

    • 发布日期：2012-06-01
    • 文件大小：133120
    • 提供者：angelaxiaohan

  1. 最近邻算法(KNN)matla实现源代码

  2. 最近邻算法(KNN)matla实现源代码，附数据集

  3. 所属分类：其它

    • 发布日期：2013-06-21
    • 文件大小：12582912
    • 提供者：y5526046

  1. 菊安酱的机器学习第1期-k-近邻算法（直播）.pdf

  2. k-近邻算法的课件。来自于菊安酱的机器学习实战12期的免费教程。内涵python源码。菊安酱的直播间: 我们已经知道k近邻算法的工作原理,根据特征比较,然后提取样本集中特征最相似数据(最近邻)的分类标签。 那么如何进行比较呢?比如表1中新出的电影,我们该如何判断他所属的电影类别呢?如图2所示。 电影分类 120 爱情片(1,101) 爱情片(12,97) 80 爱情片(5,89) 水弊 60 ?(24,67) 动作片(112,9 20 动作片(1158) 动作片(108,5) 0 20 60 8

  3. 所属分类：讲义

    • 发布日期：2019-07-27
    • 文件大小：867328
    • 提供者：qiu1440528444

  1. 基于反向最近邻算法煤矿井下移动对象查询

  2. 煤矿井下突发安全事故后,科学判断出救助点周围人员的分布是制定救援方案的关键。本文将反向最近邻的查询算法加以改进,用于查询救助点周围井下人员的分布情况,为实施最有效的救援提供依据。实验表明该算法适用于井下无线传感器网络中的移动对象的反向最近邻查询。

  3. 所属分类：其它

    • 发布日期：2020-06-30
    • 文件大小：244736
    • 提供者：weixin_38572979

  1. K最近邻算法(KNN)---sklearn+python实现方式

  2. 今天小编就为大家分享一篇K最近邻算法(KNN)---sklearn+python实现方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-17
    • 文件大小：359424
    • 提供者：weixin_38625351

  1. python机器学习案例教程——K最近邻算法的实现

  2. 本篇文章主要介绍了python机器学习案例教程——K最近邻算法的实现，详细的介绍了K最近邻算法的概念和示例，具有一定的参考价值，有兴趣的可以了解一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：98304
    • 提供者：weixin_38638688

  1. python实现K最近邻算法

  2. 主要为大家详细介绍了python实现K最近邻算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：73728
    • 提供者：weixin_38611230

  1. python机器学习案例教程——K最近邻算法的实现

  2. K最近邻属于一种分类算法，他的解释最容易，近朱者赤，近墨者黑，我们想看一个人是什么样的，看他的朋友是什么样的就可以了。当然其他还牵着到，看哪方面和朋友比较接近（对象特征），怎样才算是跟朋友亲近，一起吃饭还是一起逛街算是亲近（距离函数），根据朋友的优秀不优秀如何评判目标任务优秀不优秀（分类算法），是否不同优秀程度的朋友和不同的接近程度要考虑一下（距离权重），看几个朋友合适（k值），能否以分数的形式表示优秀度（概率分布）。 K最近邻概念： 它的工作原理是：存在一个样本数据集合，也称作为训练样本集，并

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：98304
    • 提供者：weixin_38653385

  1. python实现K最近邻算法

  2. KNN核心算法函数，具体内容如下 #! /usr/bin/env python3 # -*- coding: utf-8 -*- # fileName ： KNNdistance.py # author : zoujiamengaliyun.com.cn import math def getMaxLocate(target): # 查找target中最大值的locate maxValue = float("-inFinIty") for i in range(len(target)):

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：70656
    • 提供者：weixin_38748718

  1. KNN（K Near Neighbor）最近邻算法

  2. KNN算法 一、概念 KNN（K Near Neighbor）：k个最近的邻居，即每个样本都可以用它最接近的k个邻居来代表。 用我们的一句古语来说就是：物以类聚，人以群分。假如一个人的通讯录里有马云、王健林、李嘉诚等，那么这个人肯定也是这个圈子里的人；再假如，一个爱好游戏的人的朋友圈，应该大部分都是玩游戏的；爱喝酒的人的朋友圈，应该都是爱喝酒的；有句话说得好，臭味相投。 最近邻算法是一种分类算法，1968年由Cover和Hart提出，应用场景有字符识别、文本分类、图像识别等领域。 该算法的思想是

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：460800
    • 提供者：weixin_38631225

  1. 基于无因次指标和K-最近邻算法的旋转机械故障诊断方法

  2. 基于无因次指标和K-最近邻算法的旋转机械故障诊断方法

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：2097152
    • 提供者：weixin_38558870

  1. 基于拉曼光谱与k最近邻算法的酸奶鉴别

  2. 基于拉曼光谱与k最近邻算法的酸奶鉴别

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：253952
    • 提供者：weixin_38664989

  1. K-Nearest-NEIGHBOUR-KNN-ALGORITHM-:k最近邻（KNN）算法是一种简单的，受监督的机器学习算法，可用于解决分类和回归问题-源码

  2. K最近的NEIGHBOUR-KNN算法 KNN表示K最近邻算法。 KNN是最简单的监督式机器学习算法，主要用于数据分类。 在继续学习KNN之前，让我们简单地看一下机器学习和KNN所属的类别。 机器学习（ML）是对计算机算法的研究，该算法会根据经验和给定的数据集自动改进。 机器学习算法基于样本数据（称为“训练数据”）构建模型，以便进行预测或决策而无需明确地编程。 如今，机器学习一直在解决不同领域类别的问题，例如：计算金融，图像处理和计算机视觉，计算生物学，能源生产，汽车，航空航天和制造，自然语言

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：1024
    • 提供者：weixin_42135462

  1. 基于同心圆扫描线和加权K最近邻算法的手势识别

  2. 基于同心圆扫描线和加权K最近邻算法的手势识别

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：1048576
    • 提供者：weixin_38564826

  1. 改进的共享最近邻聚类算法

  2. 聚类是一种无监督的机器学习方法,其任务是发现数据中的自然簇。共享最近邻聚类算法(SNN)在处理大小不同、形状不同以及密度不同的数据集上具有很好的聚类效果,但该算法还存在以下不足:(1)时间复杂度为O(n2),不适合处理大规模数据集;(2)没有明确给出参数阈值的简单指导性操作方法;(3)只能处理数值型属性数据集。对共享最近邻算法进行改进,使其能够处理混合属性数据集,并给出参数阈值的简单选择方法,改进后算法运行时间与数据集大小成近似线性关系,适用于大规模高维数据集。在真实数据集和人造数据集上的实验结

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：1048576
    • 提供者：weixin_38718223

  1. K最近邻算法-源码

  2. K最近邻算法

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：5242880
    • 提供者：weixin_42116058

  1. nQuant.j2se：具有Java Swing的基于成对最近邻的快速算法-源码

  2. nQuant.j2se Java Swing快速基于成对最近邻的算法 基于快速成对最近邻算法的算法可生成高质量256色8位PNG图像，从而最大程度地减少了红唇照片的颜色损失，并支持256种或更少的具有透明度的颜色。 从众所周知的成对最近邻居〜PNN！中衍生出一种新的多级阈值算法。 矢量量化中先前使用的方法。 由于原始方法的时间复杂度显示为O（N3），因此PNN被认为是一种慢速算法。 Kurita和Fraónti等人提出了使用堆结构的更快方法。 使用最近的邻居指针。 该方法的时间复杂度为O（N

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：100352
    • 提供者：weixin_42127754

  1. nQuant.cs：具有C＃控制台的基于成对最近邻的快速算法-源码

  2. nQuant.cs颜色量化器 使用C＃控制台的快速成对最近邻算法 nQuant是一种C＃颜色量化器，它使用针对最高质量而优化的算法来生成高质量256色8位PNG图像。 nQuant的另一个优点是它是一个.net库，您可以与自己的C＃代码很好地集成，而许多流行的量化器仅提供命令行实现。 如果您想从命令行使用nQuant，nQuant还提供了命令行包装。 要开始使用，请执行以下操作：从此站点下载nQuant或通过Nuget将其无缝添加到Visual Studio项目中。 要使用Nuget，只需从P

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：169984
    • 提供者：weixin_42137032

  1. K最近邻算法(KNN)—sklearn+python实现方式

  2. k-近邻算法概述 简单地说，k近邻算法采用测量不同特征值之间的距离方法进行分类。 k-近邻算法 优点：精度高、对异常值不敏感、无数据输入假定。 缺点：计算复杂度高、空间复杂度高。 适用数据范围：数值型和标称型。 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。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，然后算法提取样本集中特征最相似数据（最近邻）的分类标

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：359424
    • 提供者：weixin_38727579
« 12 3 4 5 6 7 8 9 10 ... 28 »