![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 59
机器学习
王大队长
这个作者很懒,什么都没留下…
展开
-
K-近邻算法分类和回归
KNN模型分类:K近邻算法的主要思想是用离测试集数据点最近的训练集点(称为其邻居)的输出来估计测试集数据点的输出,参数K代表用多少个邻居来估计。超参数K通常设置为奇数来防止平局现象。其中对邻居的判定:我们可以用欧几里得距离来衡量距离来确定其K个邻居。K近邻算法是一种惰性学习和非参数模型。当训练数据数量庞大,同时你对响应变量和解释变量之间的关系所知甚少时,非参数模型会非常有用。KNN模型只基于一个假设:互相接近的实例拥有类似的响应变量值。原创 2022-09-04 22:46:02 · 2505 阅读 · 0 评论 -
sklearn实现线性回归
主要使用到的函数为 linear_model.LinearRegression()调用模型和model.fit()来训练模型,需要注意的是model.fit传入的必须是二维矩阵!三、对训练好的模型进行预测。线性回归的原理就不讲了,主要就是拟合w和b来找直线尽可能多的与数据接近。下面我们是基于 sklearn 实现线性回归算法,大概可以分为三步。二、训练线性回归模型。我们拟合一个简单的y = 3 *x^2 +22。原创 2022-09-04 00:26:50 · 4511 阅读 · 0 评论