过河的靴子的博客

1、k-近邻算法原理简单地说，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。- 优点：精度高、对异常值不敏感、无数据输入假定。- 缺点：时间复杂度高、空间复杂度高。- 适用数据范围：数值型和标称型。关于标称型和数值型监督学习一般使用两种类型的目标变量：标称型和数值型标称型：标称型目标变量的结果只在有限目标集中取值，如真与假(标称型目标变量主要用于分类)数值型：数值型目标变量则可以从无限的数...

 一、K-means算法原理 聚类的概念：一种无监督的学习，事先不知道类别，自动将相似的对象归到同一个簇中。K-Means算法是一种聚类分析（cluster analysis）的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。K-Means算法主要解决的问题如下图所示。我们可以看到，在图的左边有一些点，我们用肉眼可以看出来有四个点群，但是我们怎么通过计算机程序找出这几个...