- 博客(5)
- 收藏
- 关注
RSS订阅原创 KNN交叉验证2024/4/25
当k=n时，模型的得分最好，再用全部训练集（训练集+验证集）对k=n模型再训练一遍，再使 用测试集对k=n模型做评估。交叉验证：是一种数据集的分割方法，将训练集划分为n份，那一份做测试集，剩下的n-1份做训练。目的是为了得到更加准确可信的模型评分。第二次：把第二份数据做验证集，其他数据做训练。第n次：把第n份数据做验证集，其他数据做训练。原理：第一次：把第一份数据做验证集，其他数据做训练。
2024-04-25 15:15:50
309
原创 KNN算法2024/2/24
d(x, y) = (|x1 - y1|^p + |x2 - y2|^p + ... + |xn - yn|^p)^(1/p)，其中p为参数，可以是任意实数。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。1.曼哈顿距离公式：指两点在标准坐标系上的绝对轴距总和，也称为城市街区距离或L1范数。4.闵氏距离公式：一种通用的距离度量方法，可以根据具体情况调整参数来计算不同的距离。2.欧式距离公式：指两点在标准坐标系上的直线距离，也称为L2范数。
2024-04-24 21:22:06
385
1
原创 特征工程入门，拟合现象，conda环境部署2024/4/23
原因：训练次数过多，模型过于复杂，数据不纯，训练数据太少等。致模型只能在训练样本上得到较好的预测结果，而在位置要本上的效果不好。：即模型在新数据上表现出的能力，如在新数据上表现很好，就称为这个模型泛化能力强，原因：模型过于简单，数据太单调，即样本特征值过少，无法对数据进行预测。在机器学习中：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限。：由于某些原因，模型出现在训练集上表现很好，而在测试集上表现很差的现象。如房子的位置，面积，楼层，朝向，价格等等。：用在机器学习中模型对数据的拟合的现象。
2024-04-23 15:38:37
321
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人