模式识别
文章平均质量分 94
hyf_1967
这个作者很懒,什么都没留下…
展开
-
BP神经网络的分类
本文主要内容包括: (1) 介绍神经网络基本原理,(2) AForge.NET实现前向神经网络的方法,(3) Matlab实现前向神经网络的方法 。第0节、引例 本文以Fisher的Iris数据集作为神经网络程序的测试数据集。Iris数据集可以在http://en.wikipedia.org/wiki/Iris_flower_data_set 找到。这里转载 2016-09-26 15:27:26 · 5530 阅读 · 0 评论 -
关于K最近邻分类算法(KNN)的综述
摘要作为一种非参数的分类算法, K近邻(KNN)算法是非常有效和容易实现的。 它已经广泛应用于分类、回归和模式识别等 。在应用KNN 算法解决问题的时候,要注意两个方面的问题:—样本权重和特征权重。针对传统的KNN分类算法的不足,出现了很多改进的KNN算法。本文对当前改进KNN的文本分类算法进行了全面的综述。1.引言 K最近邻(k-Nearest Neighbor,KN原创 2016-11-30 16:59:39 · 31536 阅读 · 1 评论 -
机器学习python之KNN
注:本文借鉴于《机器学习实战》这本书对于KNN的介绍在这里就不详细说了,在我的另一篇文章有。简单来说,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。1.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2.K-近邻算法一般流程(1)收集数据:可以使用任何方法(2)准备数据:距离原创 2016-12-05 19:22:11 · 370 阅读 · 0 评论