![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
统计学习基本模型
动感光波~~~biubiubiu
苦海无涯,学以明志
展开
-
统计学习方法-K近邻法
简介k近邻法的思想很简单,假定有一输入实例,我们找到距离它最近的K个训练集实例,并以K个实例中包含个数最多的种类作为输入实例的种类。前面一句话包含了K近邻法的三要素:K值、距离度量方法、分类决策(一般是多数表决)。算法描述K近邻法最特殊的是K=1的情景,这时称为最近邻法。模型理解怎样在空间中想象算法的描述呢?我们可以这样想,空间中任意K个点构成一个核心,该核心的类别是K个点中含个数最多的种类,那么有这么一片区域,该区域上的点到该核心的距离比到任意其它K个点(其它核心)的距离都要小,那原创 2020-10-06 10:57:28 · 200 阅读 · 0 评论 -
统计学习方法-感知机、超平面
目录一、感知机超平面介绍感知机损失函数确定感知机的原始形式感知机的对偶形式一、感知机感知机是一种线性二分类模型,其思想是:对于输入空间,找到一个可以将空间分为正负两类的分离超平面,这个超平面其实就是需要的感知机。感知机分为原始形式和对偶形式。超平面介绍超平面:类似与一维直线上的点(0维),二维平面上的直线(1维),三维空间上的平面(2维),但是超平面一定过原点,所以,它(k-1 dim)可以将k dim空间平分成均匀的两份。超平面公式:假设超平面法向量为,超...原创 2020-10-05 20:28:43 · 1525 阅读 · 0 评论