本文是作者学习机器学习的笔记，主要介绍了knn算法，特别是通过可视化帮助理解1-NN, 3-NN, 5-NN的决策边界。通过乳腺癌数据集探讨了k近邻模型的精度与泛化性能，并展示了k近邻回归在wave数据集上的应用。总结了knn模型的优点（易于理解，构建快速）和缺点（特征多时效果不佳，预测速度慢）。"
106090286,8307384,深度学习驱动的蜂窝网络主动缓存策略,"['深度学习', '缓存技术', '蜂窝网络', '移动数据', '数据预处理']
机器学习小白学习笔记之scikit-learn
最近刚把西瓜书啃完，一大堆理论让脑子真的是一团浆糊，说实话看的基本只有一个概念哈哈哈，效果不高，但是让我对与机器学习真的是整体有了一个大的了解，但是并没能将每个课后作业都完成，甚至很多公式推导也没实现，太难了，让我着手于实践，古人云实践出真知，又拿起了另一本书《Introduce to Mashine Learning with python》
今天开启第二章，进来就是对knn模型的一个诠释，展现在图表中就非常好理解，毕竟作为最简单的机器学习算法，要是这个都理解不了那就不用学了哈哈哈。下面直接上图，本文主要记录一下学习过程与心得体验。
1-nn（只考虑一个最近邻）
2-nn（考虑三个最近邻）
看图就很容易理解了，就是给定一个测试点，考虑与其最近的训练样本的预测结果，多个的话通过投票法，选择出预测结果。
下面我跟随着书本，把1，3，5近邻的决策边界可视化：
最低0.47元/天 解锁文章
扫一扫
3256
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
