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. 最近邻算法实现

  2. 参考<>一书第二章k近邻算法， 第二节【使用k近邻算法改进约会网站的配对效果】所写成。

  3. 所属分类：Python

    • 发布日期：2016-06-24
    • 文件大小：4096
    • 提供者：u014265088

  1. 机器学习KNN算法的Python实现

  2. 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。

  3. 所属分类：Python

    • 发布日期：2018-01-12
    • 文件大小：4096
    • 提供者：xjf_whut

  1. K最近邻算法PPT与实现代码

  2. 包括讲解KNN的ppt与用python实现的可以正常运行的KNN代码。

  3. 所属分类：机器学习

    • 发布日期：2019-06-16
    • 文件大小：833536
    • 提供者：weixin_43867650

  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. 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. 纯python实现机器学习之kNN算法示例

  2. 前面文章分别简单介绍了线性回归，逻辑回归，贝叶斯分类，并且用python简单实现。这篇文章介绍更简单的 knn， k-近邻算法（kNN，k-NearestNeighbor）。 k-近邻算法（kNN，k-NearestNeighbor），是最简单的机器学习分类算法之一，其核心思想在于用距离目标最近的k个样本数据的分类来代表目标的分类（这k个样本数据和目标数据最为相似）。 原理 kNN算法的核心思想是用距离最近(多种衡量距离的方式)的k个样本数据来代表目标数据的分类。 具体讲，存在训练样本集

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：218112
    • 提供者：weixin_38508126

  1. 用python实现k近邻算法的示例代码

  2. K近邻算法（或简称kNN）是易于理解和实现的算法，而且是你解决问题的强大工具。 什么是kNN kNN算法的模型就是整个训练数据集。当需要对一个未知数据实例进行预测时，kNN算法会在训练数据集中搜寻k个最相似实例。对k个最相似实例的属性进行归纳，将其作为对未知实例的预测。 相似性度量依赖于数据类型。对于实数，可以使用欧式距离来计算。其他类型的数据，如分类数据或二进制数据，可以用汉明距离。 对于回归问题，会返回k个最相似实例属性的平均值。对于分类问题，会返回k个最相似实例属性出现最多的属性。 k

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：62464
    • 提供者：weixin_38695159

  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算法python实现和简单数字识别的方法

  2. 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

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：84992
    • 提供者：weixin_38628429

  1. Python 实现 KNN 分类算法

  2. 文章目录1. KNN1.1 KNN 分类算法步骤1.2 KNN 的优缺点2. python 实现 本文将详细讲述 KNN 算法及其 python 实现 1. KNN KNN（K-Nearest Neighbour）即 K最近邻，是分类算法中最简单的算法之一。KNN 算法的核心思想是 如果一个样本在特征空间中的 k 个最相邻的样本中的大多数属于某一个类别，则将该样本归为该类别 1.1 KNN 分类算法步骤 有 N 个已知分类结果的样本点，对新纪录 r 使用 KNN 将其分类 1.确定 k 值，确定

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：115712
    • 提供者：weixin_38744375

  1. kNN-K最近邻(k-NearestNeighbor)算法的python实现

  2. 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表 该方法的思路是：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算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 KNN方法虽然从原理上也依赖于极限

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：44032
    • 提供者：weixin_38752897

  1. 机器学习：Python机器学习在图像处理和算法实现中的应用，包括期望最大化，因子分析，高斯混合模型，OPTICS，DBSCAN，随机森林，决策树，支持向量机，主成分分析，K最近邻，K Means，朴素贝叶斯混合模型，高斯判别分析，牛顿法，梯

  2. 机器学习 介绍 机器学习是如此别致，每个程序员甚至非程序员都开始学习。 经过几个月的在线课程，每个人都成为了自称为数据科学家。 管理人员寄予厚望，并部署数据科学家来进行机器学习。 很快，人们遇到了死胡同，在虹膜数据集范围之外的事情运行得并不顺利！ 如果您去过我的其他存储库，例如或，您一定已经看到我猛烈抨击机器学习的鲁ck应用。 停止销售AI蛇油！ 不要误会我的意思。 我不是对机器学习持怀疑态度的人。 我看到了机器学习的巨大潜力，但是我对目前对人工智能的高估持怀疑态度，而坦率地说，人工智能已经不在

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：2097152
    • 提供者：weixin_42105570

  1. 动态时间扭曲的K最近邻：KNN和DTW分类算法的Python实现-源码

  2. 动态时间扭曲的K最近邻：KNN和DTW分类算法的Python实现

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：61865984
    • 提供者：weixin_42146888

  1. Python实现KNN（K-近邻）算法的示例代码

  2. 一、概述 KNN（K-最近邻）算法是相对比较简单的机器学习算法之一，它主要用于对事物进行分类。用比较官方的话来说就是：给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例， 这K个实例的多数属于某个类，就把该输入实例分类到这个类中。为了更好地理解，通过一个简单的例子说明。 我们有一组自拟的关于电影中镜头的数据： 那么问题来了，如果有一部电影 X，它的打戏为 3，吻戏为 2。那么这部电影应该属于哪一类？ 我们把所有数据通过图表显示出来（圆点代表的是自拟的数据，也称训练集

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：96256
    • 提供者：weixin_38551059

  1. python实现KNN分类算法

  2. 一、KNN算法简介 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。 kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻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，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时，只与极少量的相邻样本

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：206848
    • 提供者：weixin_38668672

  1. Python实现KNN邻近算法

  2. 简介 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。 kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻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，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时，只与极少量的相邻样本有关。由于k

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：51200
    • 提供者：weixin_38744557

  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 »