属于网络下载资源，感谢原作者的贡献。 ##目录介绍 - **DeepLearning Tutorials** 这个文件夹下包含一些深度学习算法的实现代码，以及具体的应用实例，包含： Keras使用进阶。介绍了怎么保存训练好的CNN模型，怎么将CNN用作特征提取，怎么可视化卷积图。 [keras_usage]介绍了一个简单易用的深度学习框架keras，用经典的Mnist分类问题对该框架的使用进行说明，训练一个CNN，总共不超过30行代码。 将卷积神经网络CNN应用于人脸识别的一个demo，人脸数

本文实例讲述了kNN算法python实现和简单数字识别的方法。分享给大家供大家参考。具体如下： kNN算法算法优缺点： 优点：精度高、对异常值不敏感、无输入数据假定 缺点：时间复杂度和空间复杂度都很高 适用数据范围:数值型和标称型 算法的思路： KNN算法（全称K最近邻算法），算法的思想很简单，简单的说就是物以类聚，也就是说我们从一堆已知的训练集中找出k个与目标最靠近的，然后看他们中最多的分类是哪个，就以这个为依据分类。 函数解析： 库函数： tile() 如tile(A,n)就是将A重复n次