特征工程
特征提取:提取与任务相关的特征
特征预处理方法:特征缩放
1、归一化:将特征缩放到一个特定的范围,通常是[0, 1]。
2、标准化:将特征缩放为均值为0,标准差为1的分布。
特征降维:会影响原始数据
特征选择:不会形象原始数据
特征组合:将相关性大的组合在一起
拟合:模型对样本点的拟合情况
欠拟合:
模型在训练集和测试集表现都差,产生原因是因为模型过于简单。可采取增加特征值解决。
过拟合:
模型在训练集表现好,测试集表现差,产生原因是模型过于复杂而训练数据少。可增加训练数据。
KNN算法
KNN算法用来解决回归、分类问题。
分类问题与回归问题的区别是是否连续。
算法思想K个最相似的样本中的大多数属于一种类型,则该样本也属于此类型。
KNN分类流程:计算每个样本的欧氏距离并根据大小排序,取出最近的K个样本进行多数表决,再对未知样本归属。
KNN回归流程:计算每个样本的欧氏距离并根据大小排序,取出最近的K个样本,计算K个样本的平均值,平均值既是样本值。
注:K不取分类类别的倍数。K值过小会导致过拟合,K值过大会导致欠拟合。
K值验证方法:交叉验证,网格验证。