要点:
1.KNN用于分类和回归,需要考虑最近的邻居。分类就是编组,回归就是预测结果(如数值)
2.特性抽取的意义就是将物品转换为一系列可以比较的数字。
3.能否挑选合适的特性事关KNN算法的成败。
4.OCR指的是光学字符识别,提取线段、点和曲线等特征。
5.大多数机器学习的算法都包含训练的步骤,例如OCR的第一步就是查看大量的数字图像提取特征。
算法图解--K最近邻算法
最新推荐文章于 2020-10-17 21:50:00 发布
要点:
1.KNN用于分类和回归,需要考虑最近的邻居。分类就是编组,回归就是预测结果(如数值)
2.特性抽取的意义就是将物品转换为一系列可以比较的数字。
3.能否挑选合适的特性事关KNN算法的成败。
4.OCR指的是光学字符识别,提取线段、点和曲线等特征。
5.大多数机器学习的算法都包含训练的步骤,例如OCR的第一步就是查看大量的数字图像提取特征。