您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. k近邻算法的Python实现

  2. 可以直接运行的Python程序,里面包含了数据集和测试集,有利于初学者入门。
  3. 所属分类:机器学习

    • 发布日期:2018-07-19
    • 文件大小:2048
    • 提供者:weixin_42704604
  1. Data Science from Scratch First Principles with Python

  2. 数据科学入门,第二版, 介绍数据科学基本知识的重量级读本,Google数据科学家作品。   数据科学是一个蓬勃发展、前途无限的行业,有人将数据科学家称为“21世纪头号性感职业”。本书从零开始讲解数据科学工作,教授数据科学工作所必需的黑客技能,并带领读者熟悉数据科学的核心知识——数学和统计学。   作者选择了功能强大、简单易学的Python语言环境,亲手搭建工具和实现算法,并精心挑选了注释良好、简洁易读的实现范例。书中涵盖的所有代码和数据都可以在GitHub上下载。   通过阅读本书,你可以:
  3. 所属分类:机器学习

    • 发布日期:2019-04-28
    • 文件大小:4194304
    • 提供者:nchwang
  1. 机器学习最简单算法——KNN算法(k-Nearest Neighbor).md

  2. 机器学习算法-KNN最近邻,文章介绍机器学习入门基础,包括有监督、无监督、强学习等,介绍KNN算法原理。
  3. 所属分类:机器学习

    • 发布日期:2019-10-18
    • 文件大小:16384
    • 提供者:aijiankeji
  1. 21ic下载_OPENCV的入门的PPT学习课件.rar

  2. OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉库,它提供了很多函数,这些函数非常高效地实现了计算机视觉算法(最基本的滤波到高级的物体检测皆有涵盖)。 OpenCV 使用 C/C++ 开发,同时也提供了 Python、Java、MATLAB 等其他语言的接口。如果你不了解 C/C++,请阅读《C语言教程》和《C++教程》。 OpenCV 是跨平台的,可以在 Windows、Linux、Mac OS、Android、iOS
  3. 所属分类:讲义

    • 发布日期:2020-03-30
    • 文件大小:5242880
    • 提供者:qq_42322398
  1. 机器学习—K-近邻算法[入门]

  2. k-近邻算法(k-Nearest Neighbour algorithm),又称为KNN算法,是数据挖掘技术中原理最简单的算法。 KNN的工作原理:给定一个已知标签类别的训练数据集,输入没有标签的新数据后,在训练数据集中找到与新数据最邻 近的k个实例,如果这k个实例的多数属于某个类别,那么新数据就属于这个类别。可以简单理解为:由那些离X最 近的k个点来投票决定X归为哪一类。 k-近邻算法步骤:      1.计算已知类别数据集中的点与当前点之间的距离      2.按照距离递增次序排序     
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:304128
    • 提供者:weixin_38655484
  1. 机器学习入门(二):KNN算法和决策边界(Decision Boundary)绘制

  2. 1)KNN算法基础知识: KNN全称K Nearest Neighbor, k是指最近邻居的个数。 俗话说物以类聚,人以群分,我们通常判别一个人是好是坏的方式就是看他周围是一群好人还是坏人。 这个算法也是如此,假如A的周围有一堆好人,我们就认为他是个好人。即使他周围有两个坏人(干扰项),我们也不会把它当成坏人。 而人与人的关系也有远近之分,计算远近,我们就需要用距离来衡量,有时候远亲不如近邻就体现了距离的重要性。 首先看这样一个例子: 现在有一个点,坐标分别是a1=2,a2=4,a3=3,请问它
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:248832
    • 提供者:weixin_38592643
  1. 说一下最简单的机器学习模型KNN(k-近邻),入门机器学习必备!!!

  2. KNN(k-NearestNeighbor)-K最近邻 KNN虽然是最简单的算法,但是对刚刚开始机器学习的伙伴确是最好的入门算法,我就从算法本身实现开始,说一些基本概念。 先简单说一下要用到的一些专业用语: 特征(features):简单理解就是物体共有的一些特性,就比如可乐都有甜味,碳酸含量啊;房子,有房屋面积,采光度啊,这些都是物体的特征,通常用X来表示。 标签(target):这里说一下机器学习里的标签,就是我们通过物体的特征来预测的值,我们要得到的结果,通常用y表示。 噪声:数据不可解释
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:109568
    • 提供者:weixin_38693506