qq_41732387的博客

优点① 简单，易于理解，易于实现，无需参数估计，无需训练;② 对异常值不敏感（个别噪音数据对结果的影响不是很大）;③ 适合对稀有事件进行分类;④ 适合于多分类问题(multi-modal,对象具有多个类别标签)，KNN要比SVM表现要好;缺点① 对测试样本分类时的计算量大，内存开销大，因为对每一个待分类的文本都要计算它到全体已知样本的距离，才能求得它的K个最近邻点。目前常用的解决方法是...

逻辑回归：https://blog.csdn.net/chibangyuxun/article/details/53148005线性回归：https://blog.csdn.net/skullFang/article/details/79103061

本文提供了机器学习knn算法实现数据下载地址链接：https://pan.baidu.com/s/13EYucdTlo8AjUc0RiFAawA提取码：jpswfrom os import listdirimport numpy as npimport operator# 数据准备，将图像转换为测试向量def img2vector(filename): # 创建向量 ...

本文给出了k聚类算法的简单实现数据下载地址链接：https://pan.baidu.com/s/1iLLWZ73ErShuDOByWEMFEQ提取码：5chgimport numpy as npimport matplotlib.pyplot as plt#将文件数据存入数组def LoadDataSet(filename): fr = open(filename) ...

什么事过拟合？过拟合（overfitting）是指在模型参数拟合过程中的问题，由于训练数据包含抽样误差，训练时，复杂的模型将抽样误差也考虑在内，将抽样误差也进行了很好的拟合。具体表现就是最终模型在训练集上效果好；在测试集上效果差。模型泛化能力弱。1：正则化1.1 L1 正则1.2 L2 正则L1正则与L2正则的思想就是不能够一味的去减小损失函数，你还得考虑到模型的复杂性，通过限制参...

目的：找到一个超平面 使得超平面两侧支持向量的距离最大支持向量：超平面两侧距离超平面最近的点很好的一个课件：https://wenku.baidu.com/view/fa8e7f2eccbff121dd368336.html...