pikcacho_pkq的博客

1.k-近邻工作原理简单地说，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。该算法具有一下特点。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。K近邻算法的工作原理是：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前 𝑘 个

最近在学习自然语言处理相关的知识，这里记录一下使用scikit-learn库中的SVM（支持向量机）分类算法实现中文邮件的分类。1.文本分类简介文本分类是指在一定的规则下，根据内容自动确定文本类别这一过程。文本分类在实际场景中有诸多方面的应用，比如常见的有垃圾邮件分类，情感分析，新闻分类等。文本分类主要可以分为二分类，多分类，多标签分类三大类。1.二分类：顾名思义是将文本归为两种类别，比如将邮件划分问题，垃圾邮件或者正常邮件。一段影评，判断是好评还是差评的问题。2.多分类：是将文本划分为多个

利用 Python 搭建起了一个简单的神经网络模型，并完成识别手写数字。1.前置工作1.1 环境配置这里使用scikit-learn库内建的手写数字字符集作为本文的数据集。scikit-learn库是一个经典的机器学习库，在使用前需要安装其库和其他依赖库。主要包括：numpy、scipy、matplotlib、jupyter、pandas、seaborn。例如：pip install numpy这里有一点需要注意，在国内使用原始源下载第三方库，下载速度特别慢，甚至有可能会出现下载失败的情况。所