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. 基于k近邻的预测方法

  2. 用于预测的k近邻方法，可以选择多种距离指标。和最近邻的维度

  3. 所属分类：其它

    • 发布日期：2014-05-19
    • 文件大小：1kb
    • 提供者：dagekai

  1. 基于图像处理和K近邻的车牌号识别 opencv python

  2. 基于图像处理和K近邻的车牌号识别源码 首先对车牌字符进行图像处理，提取，然后使用K近邻算法预测。 opencv python

  3. 所属分类：Python

    • 发布日期：2018-01-16
    • 文件大小：463kb
    • 提供者：qq_16234613

  1. k-近邻预测约会对象

  2. 这是基于k-近邻算法的预测约会对象程序，通过该程序可以学习k-近邻的使用。

  3. 所属分类：机器学习

    • 发布日期：2018-11-07
    • 文件大小：32kb
    • 提供者：suma110

  1. k近邻算法-酒店入住位置预测（数据集）

  2. k-近邻算法-预测入住位置（数据集） kaggle下载很麻烦 下载txt文档，里面是百度网盘的链接，永久有效 k-近邻算法-预测入住位置（数据集） kaggle下载很麻烦 下载txt文档，里面是百度网盘的链接，永久有效

  3. 所属分类：机器学习

    • 发布日期：2020-02-27
    • 文件大小：67byte
    • 提供者：weixin_44456683

  1. 利用蛋白粒度预测凋亡蛋白亚细胞定位：K-近邻和支持向量机方法

  2. 利用蛋白粒度预测凋亡蛋白亚细胞定位：K-近邻和支持向量机方法，刘智新，包丽华，凋亡蛋白在细胞凋亡的过程中发挥关键作用，这些蛋白对于理解细胞程序性死亡的机制是非常重要的。凋亡蛋白的亚细胞位置与功能密切

  3. 所属分类：其它

    • 发布日期：2020-02-12
    • 文件大小：610kb
    • 提供者：weixin_38727567

  1. 菊安酱的机器学习第1期-k-近邻算法（直播）.pdf

  2. k-近邻算法的课件。来自于菊安酱的机器学习实战12期的免费教程。内涵python源码。菊安酱的直播间: 我们已经知道k近邻算法的工作原理,根据特征比较,然后提取样本集中特征最相似数据(最近邻)的分类标签。 那么如何进行比较呢?比如表1中新出的电影,我们该如何判断他所属的电影类别呢?如图2所示。 电影分类 120 爱情片(1,101) 爱情片(12,97) 80 爱情片(5,89) 水弊 60 ?(24,67) 动作片(112,9 20 动作片(1158) 动作片(108,5) 0 20 60 8

  3. 所属分类：讲义

    • 发布日期：2019-07-27
    • 文件大小：847kb
    • 提供者：qiu1440528444

  1. 一种组合K近邻聚类在煤与瓦斯突出预测中的应用

  2. 针对煤与瓦斯突出影响因素复杂,即不仅具有随机性,又具有模糊性。为了保证预测的准确性,采用组合聚类策略。通过建立多个k近邻聚类器,可以产生多个簇集。来自不同簇集的子簇之间必然存在交集,最后利用子簇的加权连通图合并子簇。以平顶山八煤矿煤与瓦斯突出的相关因素指标为基础,对历年的煤与瓦斯突出的数据进行聚类分析,预测结果表明,该方法具有较好的预测效果,为煤与瓦斯突出预测提供了一种新的解决方案。

  3. 所属分类：其它

    • 发布日期：2020-06-27
    • 文件大小：875kb
    • 提供者：weixin_38635975

  1. K近邻算法实现(使用MNIST数据集)_Python环境

  2. 在Python环境下，使用MNIST数据集，实现KNN算法，对MNIST数据集中数据进行HOG特征提取，再进行预测，准确率较高

  3. 所属分类：机器学习

    • 发布日期：2020-07-15
    • 文件大小：13mb
    • 提供者：cykac1998

  1. K近邻及其集成模型的股票价格预测

  2. 为了验证股票的价格运动与过去应该是相似的这一假设，运用K近邻算法，将价格运动简单划分为涨跌两类进行预测，进行假设验证。使用滑窗方法比较现在的价格运动与何时的历史价格更为相似，将多个K近邻模型组合成集成模型，实现模型的泛化和策略收益的调整。使用中证500指数的历史价格数据进行预测实证，2017年～2018年9月的预测结果显示单个K近邻模型策略获得76.72%的收益，现在的价格运动与遥远的过去更为相似，集成模型能更好地控制风险。该模型利用K近邻模型的含义验证了股票价格运动具有相似性，可以作为证券交易

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：600kb
    • 提供者：weixin_38656226

  1. 用python实现k近邻算法的示例代码

  2. K近邻算法（或简称kNN）是易于理解和实现的算法，而且是你解决问题的强大工具。 什么是kNN kNN算法的模型就是整个训练数据集。当需要对一个未知数据实例进行预测时，kNN算法会在训练数据集中搜寻k个最相似实例。对k个最相似实例的属性进行归纳，将其作为对未知实例的预测。 相似性度量依赖于数据类型。对于实数，可以使用欧式距离来计算。其他类型的数据，如分类数据或二进制数据，可以用汉明距离。 对于回归问题，会返回k个最相似实例属性的平均值。对于分类问题，会返回k个最相似实例属性出现最多的属性。 k

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：61kb
    • 提供者：weixin_38695159

  1. Python机器学习k-近邻算法(K Nearest Neighbor)实例详解

  2. 本文实例讲述了Python机器学习k-近邻算法。分享给大家供大家参考，具体如下： 工作原理 存在一份训练样本集，并且每个样本都有属于自己的标签，即我们知道每个样本集中所属于的类别。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后提取样本集中与之最相近的k个样本。观察并统计这k个样本的标签，选择数量最大的标签作为这个新数据的标签。 用以下这幅图可以很好的解释kNN算法： 不同形状的点，为不同标签的点。其中绿色点为未知标签的数据点。现在要对绿色点进行预测。由图不难得

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：76kb
    • 提供者：weixin_38516956

  1. K 近邻法（K-Nearest Neighbor, K-NN）

  2. 文章目录1. k近邻算法2. k近邻模型2.1 模型2.2 距离度量2.2.1 距离计算代码 Python2.3 kkk 值的选择2.4 分类决策规则3. 实现方法, kd树3.1 构造 kdkdkd 树3.2 搜索 kdkdkd 树4. 鸢尾花KNN分类4.1 KNN实现4.2 sklearn KNN k近邻法（k-nearest neighbor，k-NN）是一种基本分类与回归方法。 输入：实例的特征向量，对应于特征空间的点 输出：实例的类别，可以取多类 假设：给定一个训练数据集，其中的实例

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：290kb
    • 提供者：weixin_38681147

  1. 说一下最简单的机器学习模型KNN（k-近邻），入门机器学习必备！！！

  2. KNN(k-NearestNeighbor)-K最近邻 KNN虽然是最简单的算法，但是对刚刚开始机器学习的伙伴确是最好的入门算法，我就从算法本身实现开始，说一些基本概念。 先简单说一下要用到的一些专业用语： 特征（features）：简单理解就是物体共有的一些特性，就比如可乐都有甜味，碳酸含量啊；房子，有房屋面积，采光度啊，这些都是物体的特征，通常用X来表示。 标签（target）：这里说一下机器学习里的标签，就是我们通过物体的特征来预测的值，我们要得到的结果，通常用y表示。 噪声：数据不可解释

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：107kb
    • 提供者：weixin_38693506

  1. 统计学习方法——K近邻法（学习笔记）

  2. K近邻算法简介 K近邻法是一种基本分类与回归方法。K近邻法的输入为实例的特征向量（特征空间的点），输出为实例的类别，可以取多类。 K近邻算法假设给定一个训练数据集，其训练数据集实例的类别已定，对新的输入实例，找出新实例K个最近邻的训练点，根据K个最近邻训练实例的类别，通过多数表决等方式进行预测。 K近邻法的三个基本要素：K值的选择、距离度量、分类决策规则。 下面介绍一下kd树、搜索kd树的过程以及相关代码。 1.K近邻算法 根据给定的训练数据集，对新的实例，在训练数据集中找出与该实例最近邻的K个

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：188kb
    • 提供者：weixin_38557095

  1. 机器学习之KNN（k近邻）算法详解

  2. 一、基本分类：①监督学习（Supervisedlearning）数据集中的每个样本有相应的“正确答案”，根据这些样本做出预测，分有两类：回归问题和分类问题。步骤1：数据集的创建和分类步骤2：训练步骤3：验证步骤4：使用（1）回归问题举例例如：预测房价，根据样本集拟合出一条连续曲线。（2）分类问题举例例如：根据肿瘤特征判断良性还是恶性，得到的是结果是“良性”或者“恶性”，是离散的。监督学习：从给定的训练数据集中学习出一个函数（模型参数），当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：819kb
    • 提供者：weixin_38652636

  1. 基于自适应模糊k近邻法的破产预测模型

  2. 基于自适应模糊k近邻法的破产预测模型

  3. 所属分类：其它

  1. 机器学习之KNN（k近邻）算法详解

  2. 一、基本分类： ①监督学习（Supervisedlearning） 数据集中的每个样本有相应的“正确答案”，根据这些样本做出 预测，分有两类：回归问题和分类问题。 步骤1：数据集的创建和分类 步骤2：训练

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：819kb
    • 提供者：weixin_38617436

  1. python机器学习理论与实战（一）K近邻法

  2. 机器学习分两大类，有监督学习(supervised learning)和无监督学习(unsupervised learning)。有监督学习又可分两类：分类（classification.）和回归（regression），分类的任务就是把一个样本划为某个已知类别，每个样本的类别信息在训练时需要给定，比如人脸识别、行为识别、目标检测等都属于分类。回归的任务则是预测一个数值，比如给定房屋市场的数据（面积，位置等样本信息）来预测房价走势。而无监督学习也可以成两类：聚类（clustering）和密度估计

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：167kb
    • 提供者：weixin_38667835

  1. python K近邻算法的kd树实现

  2. k近邻算法的介绍 k近邻算法是一种基本的分类和回归方法，这里只实现分类的k近邻算法。 k近邻算法的输入为实例的特征向量，对应特征空间的点；输出为实例的类别，可以取多类。 k近邻算法不具有显式的学习过程，实际上k近邻算法是利用训练数据集对特征向量空间进行划分。将划分的空间模型作为其分类模型。 k近邻算法的三要素 k值的选择：即分类决策时选择k个最近邻实例； 距离度量：即预测实例点和训练实例点间的距离，一般使用L2距离即欧氏距离； 分类决策规则。 下面对三要素进行一下说明：

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：84kb
    • 提供者：weixin_38638309

  1. 采用k近邻进行空间相关性超短期风速预测

  2. 提高超短期风速预测准确率和可靠性的途径之一，是从历史观测值中充分挖掘风速相关性的特征和规律。将本地最新的风速历史观测值结合按照最优延迟时间提前的上游风速观测值，形成空间相关性k近邻预测的参考矢量；以相关系数作为相关性的具体评价指标，从风速历史观测值中优选出该参考矢量的k个最相似的近邻；采用7种回归模型进行本地的未来风速预测。荷兰Huibertgat地区冬季风速预测的仿真结果表明：使用线性回归、偏最小二乘回归、最小二乘支持向量回归3个优化模型预测，优化的k近邻数量为100左右，优化的历史数据年数为

  3. 所属分类：其它

« 12 3 4 5 »