- 博客(2)
- 收藏
- 关注
RSS订阅原创 机器学习最简单的KNN算法实现
user_label = np.array([0, 0, 0, 0, 0, 1, 1, 1, 1, 1]) # 打标签，分类阵营。len = np.sqrt(np.sum(np.square(test_data - i)))#测距离。label_1 = user_data[user_label == 1]#尾号为1定义为label1。test_data = np.array([2.9, 5.6]) # 这个是测试点。c.append(user_label[i])#将最近的x个邻居放在c中。
2023-11-15 15:22:55
29
1
原创 感知机实现
我尝试构建了一个loss函数把 w，b与，与其标签值的误差平方，联系到一起，然后用最简单的梯度下降去寻找最低点思路就是（构建函数使得 w，b与 错误数据错误的程度关联起来。然后求该函数最小值）概念理解：简单来说就是把n维（即n组特征）的数据 以n-1维度（超平面）分割开（下图代码就是一维分割二维）教学感知机的loss函数是把错误数据集到超平面的距离求和。
2023-11-15 15:18:10
28
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人