![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
wxv111
这个作者很懒,什么都没留下…
展开
-
K-近邻分类算法(监督式)
这个算法是不需要对数据进行训练的,所以理解起来十分容易。步骤 计算已知类别数据集中的所有点与待测点之间的距离(需要进行归一化处理) 按照距离递增的次序排序 选取与待测点距离最小的K个点 确定这K个点所在类别的出现频率 返回出现频率最高的类别作为待测点的预测分类 应用数字识别等优缺点优点: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 适用数据范围(目标变量):数值型(可原创 2016-02-14 18:43:31 · 435 阅读 · 0 评论 -
机器学习初步
写给自己的一些废话从大学到研究生,学习了不少数学知识,如线性代数,高等数学,概率论与数理统计,由于专业是软件,学了一些编程语言,数据结构和算法。但是知识一直是停留在书本上,对于编程,也只是停留在做个网站,写个app,并没有太大的兴趣。工作的同伴很多人都对做出一些东西而感到有成就感,然而我好像对那些并无太大的感觉,可能是因为觉得那些都是一个熟练工的问题,用的也是别人写好的API,SDK而已,用多了自然原创 2016-02-14 18:10:19 · 380 阅读 · 0 评论 -
决策树分类算法(监督式)
没有那么难的算法,竟然也看了两个晚上,果然上了年纪。。 其实我是把这个算法到底是为了干什么没抓住。这个算法就是为了分类!!!目标举例来说,我想知道我应该佩戴哪种眼镜,那么树脂的,玻璃的,这个就是最终想得到的目标结果。那么如何判断呢?需要依据我的度数,价位来进行判断,这两个就是对结果进行分类时需要的特征向量。所以最终,我输入我的度数,和价位,系统就能告诉我我应该佩戴树脂还是玻璃的眼镜啦!步骤 为了能原创 2016-02-17 00:17:06 · 1638 阅读 · 0 评论