《机器学习实战》个人学习记录笔记(三)———k-近邻算法实战之sklearn手写数字识别

本文记录了《机器学习实战》中k-近邻算法的学习,主要介绍如何使用sklearn的KNeighborsClassifier实现k-NN算法。详细解释了n_neighbors、weights、algorithm等参数的含义,如k值的选择、距离权重分配、搜索算法的选择以及距离度量方式等。内容还包括了如何应用这些参数进行手写数字识别。
摘要由CSDN通过智能技术生成

第二章 k-近邻算法

PS:个人笔记 根据《机器学习实战》这本书,Jack-Cui的博客,以及深度眸的视频进行学习

1. Sklearn实现k-近邻算法

sklearn.neighbors.KNeighborsClassifier就可以是实现上小结,我们实现的k-近邻算法。KNeighborsClassifier函数一共有8个参数。

KNneighborsClassifier参数说明:

⭐⭐n_neighbors:默认为5,就是k-NN的k的值,选取最近的k个点。

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