![](https://img-blog.csdnimg.cn/ef438cf987c24a5c85020f2a01e44ce3.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Machine Learning
文章平均质量分 94
机器学习
RainbowJie1
大学生
展开
-
《机器学习实战》 K-近邻算法(第2章)
运行平台: Windows Python版本: Python3.9 IDE: VS code 文章目录前言2.1 K-近邻算法概述 前言 随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的K-近邻算法(KNN)。 提示:以下是本篇文章正文内容,下面案例可供参考 2.1 K-近邻算法概述 优点:精度高、对异常值不敏感、无数据输入假定 缺点:计算复杂度高、空间复杂度高 使用数据范围:数值型、标称型 它的工作原理是:存在一个样本数据集合,也称.原创 2021-09-16 11:38:24 · 238 阅读 · 0 评论 -
《机器学习实战》机器学习概述
标题机器学习的简单概述 例如,对于垃圾邮件的检测,侦测一个单词是否存在并没有太大的作用,然而当某几个特定的单词同时出现时,再辅以考察邮件长度及其它因素,人们就课更准确地判定该邮件是否位垃圾邮件。 简单地说,机器学习是把无序的数 换成有用的信息 。 表1-1是我们用区不同类需用的个不同鸟类需要使用的四个不同的属性值,我们选用体重、翼展、有脚蹼、背后颜色为评测基准 。现实中,可能会测量多的值 。通常的做法是测量所有 可测属性, 而后再挑选出重要部分。 下面测量的这四种值称之为特征,也可以称作属性, 但本书一律将原创 2021-09-15 22:52:16 · 550 阅读 · 0 评论