注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 机器学习KNN算法的Python实现

  2. 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。

  3. 所属分类：Python

    • 发布日期：2018-01-12
    • 文件大小：4kb
    • 提供者：xjf_whut

  1. 常用数据挖掘算法总结及Python实现 文字版+code

  2. 本书适合有志于从事数据挖掘的初学者，需要的朋友可看看 第一部分 数据挖掘与机器学习数学基础3 第一章 机器学习的统计基础3 第二章 探索性数据分析（EDA） .11 第二部分 机器学习概述14 第三章 机器学习概述14 第三部分 监督学习---分类与回归16 第四章 KNN（k 最邻近分类算法） 16 第五章 决策树19 第六章 朴素贝叶斯分类29 第七章 Logistic 回归 .32 第八章 SVM 支持向量机42 第九章 集成学习(Esemble Learning)43 第十一章 模型评

  3. 所属分类：Python

    • 发布日期：2018-04-21
    • 文件大小：4mb
    • 提供者：mycoffee1990

  1. python机器学习k邻近算法的实现

  2. python机器学习关于K邻近算法的实现

  3. 所属分类：机器学习

    • 发布日期：2018-10-12
    • 文件大小：4kb
    • 提供者：qq_43232545

  1. KNN算法的Python实现

  2. 基于Python3.6的KNN邻近算法，通过比较两组数据的多维特征待分类数据进行分类！

  3. 所属分类：机器学习

    • 发布日期：2019-01-25
    • 文件大小：9kb
    • 提供者：qq_43056445

  1. 常用数据挖掘算法总结及Python实现

  2. 该文档总结了常用的数据挖掘的算法原理以及Python实践内容，为初学者提供良好的参考资料，需要的朋友可看看！ 第一部分 数据挖掘与机器学习数学基础3 第一章 机器学习的统计基础3 第二章 探索性数据分析（EDA）.11 第二部分 机器学习概述14 第三章 机器学习概述14 第三部分 监督学习---分类与回归16 第四章 KNN（k 最邻近分类算法） 16 第五章 决策树19 第六章 朴素贝叶斯分类29 第七章 Logistic 回归 .32 第八章 SVM 支持向量机42 第九章 集成学习(E

  3. 所属分类：Python

  1. Python实现KNN邻近算法

  2. 主要为大家详细介绍了Python实现KNN邻近算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：50kb
    • 提供者：weixin_38518074

  1. K-近邻算法的python实现代码分享

  2. k-近邻算法概述： 所谓k-近邻算法KNN就是K-Nearest neighbors Algorithms的简称，它采用测量不同特征值之间的距离方法进行分类 用官方的话来说，所谓K近邻算法，即是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例（也就是上面所说的K个邻居）， 这K个实例的多数属于某个类，就把该输入实例分类到这个类中。 k-近邻算法分析 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：数值型和标称

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：147kb
    • 提供者：weixin_38730767

  1. 基于python实现KNN分类算法

  2. kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时，只与极少量的相邻样本有关。由于kNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，kNN方法较其他方法更为适合。 通俗简单的说，就是将这个样本进行分类，怎么分类，就是用该样本的

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：55kb
    • 提供者：weixin_38728277

  1. python实现kNN算法

  2. kNN(k-nearest neighbor)是一种基本的分类与回归的算法。这里我们先只讨论分类中的kNN算法。 k邻近算法的输入为实例的特征向量，对对应于特征空间中的点；输出为实例的类别，可以取多类，k近邻法是建设给定一个训练数据集，其中的实例类别已定，分类时，对于新的实例，根据其k个最邻近的训练实例的类别，通过多数表决等方式进行预测。所以可以说，k近邻法不具有显示的学习过程。k临近算法实际上是利用训练数据集对特征向量空间进行划分，并作为其分类的“模型” k值的选择，距离的度量和分类决策规

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：96kb
    • 提供者：weixin_38746951

  1. 用Python实现KNN分类算法

  2. 本文实例为大家分享了Python KNN分类算法的具体代码，供大家参考，具体内容如下 KNN分类算法应该算得上是机器学习中最简单的分类算法了，所谓KNN即为K-NearestNeighbor（K个最邻近样本节点）。在进行分类之前KNN分类器会读取较多数量带有分类标签的样本数据作为分类的参照数据，当它对类别未知的样本进行分类时，会计算当前样本与所有参照样本的差异大小；该差异大小是通过数据点在样本特征的多维度空间中的距离来进行衡量的，也就是说，如果两个样本点在在其特征数据多维度空间中的距离越近，则这

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：104kb
    • 提供者：weixin_38734492

  1. 利用Python实现kNN算法的代码

  2. 邻近算法（k-NearestNeighbor) 是机器学习中的一种分类（classification）算法，也是机器学习中最简单的算法之一了。虽然很简单，但在解决特定问题时却能发挥很好的效果。因此，学习kNN算法是机器学习入门的一个很好的途径。 kNN算法的思想非常的朴素，它选取k个离测试点最近的样本点，输出在这k个样本点中数量最多的标签（label）。我们假设每一个样本有m个特征值（property），则一个样本的可以用一个m维向量表示: X =（ x1，x2，… , xm ),  同样地，测

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：56kb
    • 提供者：weixin_38632916

  1. kNN-K最近邻(k-NearestNeighbor)算法的python实现

  2. 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表 该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 KNN方法虽然从原理上也依赖于极限

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：43kb
    • 提供者：weixin_38752897

  1. Python实现KNN（K-近邻）算法的示例代码

  2. 一、概述 KNN（K-最近邻）算法是相对比较简单的机器学习算法之一，它主要用于对事物进行分类。用比较官方的话来说就是：给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例， 这K个实例的多数属于某个类，就把该输入实例分类到这个类中。为了更好地理解，通过一个简单的例子说明。 我们有一组自拟的关于电影中镜头的数据： 那么问题来了，如果有一部电影 X，它的打戏为 3，吻戏为 2。那么这部电影应该属于哪一类？ 我们把所有数据通过图表显示出来（圆点代表的是自拟的数据，也称训练集

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：94kb
    • 提供者：weixin_38551059

  1. python实现KNN分类算法

  2. 一、KNN算法简介 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。 kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时，只与极少量的相邻样本

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：202kb
    • 提供者：weixin_38668672

  1. Python实现KNN邻近算法

  2. 简介 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。 kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时，只与极少量的相邻样本有关。由于k

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：50kb
    • 提供者：weixin_38744557

  1. k-近邻算法案例学习（Python实现）

  2. 一、介绍 k-近邻算法（K-Nearest Neighbour algorithm），又称KNN算法，是数据挖掘技术中原理最简单的算法。 工作原理：给定一个已知标签类别的训练数据集，输入没有标签的新数据后，在训练数据集中找到与新数据最邻近的k个实例，如果这k个实例的多数属于某个类别，那么新数据就属于这个类别。简单理解为：由那些离X最近的k个点来投票决定X归为哪一类。 二、k-近邻算法的步骤 （1）计算已知类别数据集中的点与当前点之间的距离； （2）按照距离递增次序排序； （3）选取与当前点距离最

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：95kb
    • 提供者：weixin_38600696