特征抽取:根据事物的特征抽取共性,当计算两个或多个特征是否相似时可采用毕达哥拉斯公式.
毕达哥拉斯公式:
回归:
1.分类就是编组
2.回归就是预测结果
挑选合适的特征:在挑选合适的特征方面,没有放之四海而皆准的法则,你必须考虑到各种需要考虑的因素
小结:
1.KNN用于分类和回归,需要考虑最近的邻居
2.分类就是编组
3.回归就是预测结果
4.特征抽取意味着将对象转换为一系列可比较的数字
5.能否挑选合适的特征事关KNN算法的成败
未来很难预测,由于涉及的变数太多,这几乎是不可能完成的任务:
案例:预测股票市场
使用机器学习来预测股票市场的涨跌真的很难.对于股票市场,如何挑选合适的特征呢?股票昨天涨啦,今天也会涨,这样的特征合适吗?又或者每年五月份股票市场都已绿盘报收,这样的预测可行吗?在根据以往的数据来预测未来方面,没有万无一失的方法.未来很难预测,由于涉及的变数太多,这几乎是不可能完成的任务.
在有些情况下,完美是优秀的敌人.有时候,你只需要找到一个能够大致解决问题的算法.