深度学习第三次作业-KNN算法笔记

已于 2022-08-13 23:07:59 修改
阅读量324 收藏
点赞数
分类专栏： 深度学习 文章标签： 算法 深度学习 python
于 2022-08-13 23:06:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Xie542107230923/article/details/126324500
版权

1.KNN算法简介

KNN (K-Nearest Neighbor)算法，意思是K个最近的邻居，从这个名字我们就能看出一些KNN算法的蛛丝马迹了。K个最近邻居，毫无疑问，K的取值肯定是至关重要的。那么最近的邻居又是怎么回事呢?KNN的原理就是当预测一个新的值x的时候，根据它距离最近的K个点是什么类别来判断x属于哪个类别。

但是，当K=5的时候， 判定就变成不- -样了。这次变成红圆多- -些， 所以新来的绿
点被归类成红圆。我们能看得出K的取值是很重要的。 

2.KNN实现步骤

1.计算距离(欧几里得距离或者马氏距离)

2.升序排列
3.取前K个 

4.加权平均 （看哪个点更近）

3.KNN实战应用

python编写代码

终端运行结果 

Xie542107230923
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
吴恩达2017深度学习作业-c2w1-Optimization Methods（下）
qq_37791134的博客
06-26 354
这次作业其实总的来说花费了很长时间，主要是自己不能集中去写代码，第二是基础知识很多不扎实，很多需要查，但是我查也不是深究，我就简单记录一下用法，主要还是需要多用。每次都小结一下。 前面一些错误的点： s["dW" + str(l+1)] = beta2 * s["dW" + str(l+1)] + (1-beta2)* np.square(grads["dW" + str(l+1)]) ...
机器学习作业----KNN算法
weixin_51123341的博客
10-26 1049
为了判断未知样本的类别，以所有已知类别的样本作为参照，计算未知样本与所有已知样本的距离，从中选取与未知样本距离最近的K个已知样本，根据少数服从多数的投票法则，将未知样本与K个最邻近样本中所属类别占比较多的归为一类。。
机器学习课上的KNN作业（python）
wys_742panapn的博客
09-24 210
主要代码：KNN.py ''' 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 ''' from numpy import * import operator #运算符模块 def createDataSet(): group = array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]]) labels = ['A', 'A', 'B', 'B'] return...
KNN算法小结
qq_32922423的博客
03-21 272
KNN(k-NearestNeighbor)K最邻近分类算法。最简单的机器学习算法之一。KNN是用于对于区域或者重叠较多的样本分类，判断该样本属于哪一类 思路：如果一个样本在特征空间中的K个最喜相似（即特征空间中最相邻）的样本中的大多数属于某一类，则该样本也属于这个类别。其中所选择的的邻居都是都是已经正确分类的对象。该方法的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类样本所属的类...
华中科技大学计算机学院机器学习课程作业--KNN算法的python实现.zip
08-12
华中科技大学计算机机器学习课程作业--KNN算法的python实现，内含报告和源码
机器学习-kNN算法
12-15
包含基于Python实现的kNN代码，可在Pycharm中直接运行，包含约会网站的配对改进程序以及手写体识别系统
机器学习-KNN算法实现
11-02
机器学习knn算法实现，工程使用pycharm建立，包括机器学习实战的代码和自己重写的部分代码，增加部分函数的使用方法介绍。
K-近邻算法KNN学习笔记
01-27
本文来自于biaodianfu，文章介绍了在小程序端，使用腾讯云云智AI应用服务来进行人脸识别检测分析，实现人脸识别等功能。 K近邻法(k-nearestneighbor,k-NN)是1967年由CoverT和Hart P提出的一种基本分类与回归方法。...
基于PSO-KNN算法的人脸识别优化研究
04-16
运用局部二值模式(LBP)提取特征，研究了遗传算法(GA)、粒子群算法(PSO)、蚁群算法(ACO)等元启发式优化算法在特征选择中的应用，采用基于种群的元启发式算法PSO对KNN分类器进行优化，利用提出的PSO-KNN算法进行人脸...
KNN算法程序设计方法作业
ASingleWolf的博客
10-15 834
一 题目：Python实现KNN算法，使用鸢尾花(iris)作为测试数据 二 算法设计： 1)KNN算法 算法介绍 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...
CS231N第一课KNN部分作业实现
12-31
这个是斯坦福cs231n课程的课程作业，在做这个课程作业的过程中， 遇到了各种问题，通过查阅资料加以解决，加深了对课程内容的理解， 以及熟悉了相应的python 代码实现
CS231N作业1KNN
weixin_40473318的博客
01-28 189
CS231N作业1KNN
CS231N-2017课程作业（assignment 1）之KNN
Snowy_susu的博客
08-16 1876
Cs231n-2017课程作业（assignment 1）之KNN KNN算法理解：（百度百科）   KNN也即k-Nearest Neighbor,K（最）近邻分类算法，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（也即是K个邻居，可根据一定的距离计算公式寻找邻居，如曼哈顿距离，欧式距离等）， 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。 ...
CS231n作业（一）KNN分类
wjp_ctt的博客
09-24 342
作业说明 学习ML和DL很关键的两点在于对最基本的算法的理解，以及通过编程将算法复现的能力。做好这两点，才有实现更加复杂算法与工作的可能。否则，只会调包，跑跑开源代码，永远是重复别人的工作，没有自己的理解，也就无法将算法应用到实际任务中来。 还好有cs231n这门课程，以DL在计算机视觉中的应用为切入点，讲解了如KNN分类、线性判别函数、神经网络等基本的方法。而且配套的作业的要求是不可以调包，...
深度学习编程作业与算法相关函数笔记
打瞌睡_的博客
12-01 330
文章目录Python语法1.除法/，//，np.divide()，np.true_divide()，np.floor_divide()2.list[]3.\__init__，\__new__，\__class__...Numpy库1.rand()，randn()，randint()，random_sample()2.squeeze()，ravel()，flatten()3.array()4.linalg.norm()5.随机种子Matplotlib库1.contourf()2.cmap=plt.cm.Spe
CS231_KNN作业分析
NaLi的博客
06-09 325
我的github代码链接：https://github.com/l123555/cs231_assignment1/blob/master/knn.ipynb
KNN分类器及cs231n作业解读
qq_49230659的博客
10-01 950
KNN分类器 为了让自己的cs231n学习更加高效且容易复习，特此在这里记录学习过程，以供参考和自我监督。 目录KNN分类器作用机制关于交叉验证Assignment 1的KNN分类器作业 作用机制 根据我们的距离度量，找到最近的K个点，然后在这些点中进行投票，通过票数多的点预测结果。 关于交叉验证 在训练数据时，我们最好把数据分成训练集，验证集和测试集。我们用不同的超参数训练分类器，然后在验证集上进行评估，选出表现最好的一组超参数在测试集上跑一跑。 交叉验证则是说，我们把数据中的一小部分作为测试集，其他数据
KNN算法及案列分析
qq_45944185的博客
07-19 2393
1.KNN算法概述 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。 2.KNN算法原理 如果K=3，绿色圆点的最近的3个邻居是2个红色小三角形和1个蓝色小正方形，少数从属于多数，基于统计的方法，判定绿色的这个待分类点属于红色的三角形一类。 如果K=5，绿色圆点的最近的5个邻居是2个红色三角形和3个蓝色的正方形，还是少数从属于多数，基于统计的方法，判定
k邻近算法(KNN)实例
lixixi
07-22 5212
文章转载自： https://www.cnblogs.com/angle6-liu/p/10416736.html 一 k近邻算法原理 k近邻算法是一种基本分类和回归方法. 原理: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，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。 如上图所示，有两类不同的样本数据，分别用蓝色的小正方形和红色的小三角形表示，而图正中间的那个绿色的圆所标示的数据则是待分类的数据。这也就是我们的目的，来了一个新的数据点，我
DPC-KNN算法oython
最新发布
05-29
DPC-KNN算法是一种基于密度峰值聚类（Density Peak Clustering）的K近邻（K-Nearest Neighbors）算法，可以用于数据的聚类分析。下面是一份用Python实现DPC-KNN算法的示例代码： ```python import numpy as np ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值