机器学习(四)监督学习---NN、KNN

 
 
    前言: 我们所了解的监督学习有以下多种,希望都能了解与运用。
        在这里插入图片描述

 


最近邻与K近邻(NN、KNN)

 
        K近邻(K-Nearest Neighbor)不需要显式的训练过程,它是“懒惰学习”的典型代表,训练时间开销为0。K=1则是最近邻,其中KNN步骤也特别简单:
        在这里插入图片描述
 


加权K近邻(Weighted KNN)

 
        对于之前KNN算法里前K个点的label权重一样,其实是不合理的,越靠近应该可能性越大,而不能权重一样,这时候引入了 加权K近邻
        在这里插入图片描述

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值