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. KNN算法源码

  2. 通过Python来实现几个比较常用的机器学习算法之一，KNN采用测量不同特征值之间的距离方法进行分类。

  3. 所属分类：机器学习

    • 发布日期：2017-11-02
    • 文件大小：1048576
    • 提供者：gang5340071

  1. K-近邻算法.zip

  2. K近邻算法，包括手写识别系统，简易实现。以及如何使用距离测量的方法分类物品；其次我们将使用从文本文件中导入并解析数据；依据机器学习实战数据完成K近邻算法约会网站和手写数字识别系统。备注：请注意python版本问题，其他实现中出现的问题欢迎交流哦。

  3. 所属分类：互联网

    • 发布日期：2020-09-05
    • 文件大小：1020928
    • 提供者：weixin_38272982

  1. python距离测量的方法

  2. 主要为大家详细介绍了python距离测量的方法，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：35840
    • 提供者：weixin_38715772

  1. K-近邻算法的python实现代码分享

  2. k-近邻算法概述： 所谓k-近邻算法KNN就是K-Nearest neighbors Algorithms的简称，它采用测量不同特征值之间的距离方法进行分类 用官方的话来说，所谓K近邻算法，即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（也就是上面所说的K个邻居）， 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。 k-近邻算法分析 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

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：150528
    • 提供者：weixin_38730767

  1. python距离测量的方法

  2. 之所以写这个，其实就是希望能对距离有一些概念，当然这个也是很基础的，不过千里之行始于足下嘛，各种路径算法，比如a*什么的都会用到这个 距离测量有三种方式 1、欧式距离，这个是最常用的距离测量方式 ((x1-x2)^2 + (y1-y2)^2)^0.5 得到一个原型区域的距离 #设起始坐标是原点，即(0,0) y_result = [] for y in range(10,-10,-1): x_result = [] for x in range(-10,10,1): #((0-x)**

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：38912
    • 提供者：weixin_38597300

  1. python 普通克里金（Kriging）法的实现

  2. 克里金法时一种用于空间插值的地学统计方法。 克里金法用半变异测定空间要素，要素即自相关要素。 半变异公式为： 其中γ(h) 是已知点 xi 和 xj 的半变异，***h***表示这两个点之间的距离，z是属性值。 假设不存在漂移，普通克里金法重点考虑空间相关因素，并用拟合的半变异直接进行插值。 估算某测量点z值的通用方程为： 式中，z0是待估计值，zx是已知点x的值，Wx是每个已知点关联的权重，s是用于估计的已知点数目。 权重可以由一组矩阵方程得到。 此程序对半变异进行拟合

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：158720
    • 提供者：weixin_38702110

  1. 字符串相似度评分：今天有很多方法可以找到两个字符串之间的相似度（也可以使用许多距离测量法来找到），此仓库将提供一种时间高效的方法来推导python中两个字符串的相似度得分-源码

  2. 字符串相似度评分 今天有很多方法可以找到两个字符串之间的相似性（也使用许多距离度量来查找），此仓库将提供一种时间高效的方法来推导python中两个字符串的相似性得分。

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：2048
    • 提供者：weixin_42116794

  1. Python语言实现机器学习的K-近邻算法

  2. 写在前面 额、、、最近开始学习机器学习嘛，网上找到一本关于机器学习的书籍，名字叫做《机器学习实战》。很巧的是，这本书里的算法是用Python语言实现的，刚好之前我学过一些Python基础知识，所以这本书对于我来说，无疑是雪中送炭啊。接下来，我还是给大家讲讲实际的东西吧。 什么是K-近邻算法？ 简单的说，K-近邻算法就是采用测量不同特征值之间的距离方法来进行分类。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

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：96256
    • 提供者：weixin_38722193

  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