![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
统计学习方法
文章平均质量分 74
1COIN
这个作者很懒,什么都没留下…
展开
-
第三章 k-邻近(KNN) + 原理实现(python)(可直接套用) + 评论区有问必答
KNN(K-最近邻)算法是一种常用的基于实例的监督学习算法,用于分类和回归任务。在统计学习方法中,KNN算法属于一类称为“基于实例的学习”或“懒惰学习”(lazy learning)的算法。这种算法不需要显式地训练模型,而是在预测阶段根据训练数据进行实时计算。KNN算法的基本是:对于一个新的输入样本,找到训练数据中与该样本最相似的k个邻居(通常使用欧氏距离或其他距离度量方法来衡量相似性),然后根据这k个邻居的标签来进行分类(对于分类问题)或回归(对于回归问题)。原创 2023-07-27 15:54:53 · 50 阅读 · 1 评论 -
第二章 感知机.(python 代码实现)(《统计学习方法》.pdf可在评论区下载)
本代码主要参考以下博客进行实现并且修改, 增加了对一些代码的注释. 在原有代码的基础上新增模型所求直线.见下图(绿线为由该线生成的现有数据, 红线表示感知机模型预测得到的直线).感知器模型主要用于二分类, 具体的模型、策略、算法,见统计学习方法第二章有详细介绍, 这里只进行代码实操的展示.原创 2023-07-21 17:36:42 · 146 阅读 · 4 评论