Sklearn---knn
来源:互联网 发布:c 数据采集 编辑:程序博客网 时间:2024/06/05 06:10
Scikit learn 也简称sklearn,是机器学习领域当中最知名的python模块之一。sklearn包含了很多机器学习的方式:
Classification 分类
Regression 回归
Clustering 非监督分类
Dimensionality reduction 数据降维
Model Selection 模型选择
Preprocessing 数据与处理
使用sklearn可以很方便地让我们实现一个机器学习算法。一个复杂度算法的实现,使用sklearn可能只需要调用几行API即可。所以学习sklearn,可以有效减少我们特定任务的实现周期。
sklearn.neighbors.KNeighborsClassifier
KNneighborsClassifier参数说明:
n_neighbors:默认为5,就是k-NN的k的值,选取最近的k个点。
weights:默认是uniform,参数可以是uniform、distance,也可以是用户自己定义的函数。uniform是均等的权重,就说所有的邻近点的权重都是相等的。distance是不均等的权重,距离近的点比距离远的点的影响大。用户自定义的函数,接收距离的数组,返回一组维数相同的权重。
algorithm:快速k近邻搜索算法,默认参数为auto,可以理解为算法自己决定合适的搜索算法。除此之外,用户也可以自己指定搜索算法ball_tree、kd_tree、brute方法进行搜索,brute是蛮力搜索,也就是线性扫描,当训练集很大时,计算非常耗时。kd_tree,构造kd树存储数据以便对其进行快速检索的树形数据结构,kd树也就是数据结构中的二叉树。以中值切分构造的树,每个结点是一个超矩形,在维数小于20时效率高。ball tree是为了克服kd树高纬失效而发明的,其构造过程是以质心C和半径r分割样本空间,每个节点是一个超球体。
leaf_size:默认是30,这个是构造的kd树和ball树的大小。这个值的设置会影响树构建的速度和搜索速度,同样也影响着存储树所需的内存大小。需要根据问题的性质选择最优的大小。
metric:用于距离度量,默认度量是minkowski,也就是p=2的欧氏距离(欧几里德度量)。
p:距离度量公式。在上小结,我们使用欧氏距离公式进行距离度量。除此之外,还有其他的度量方法,例如曼哈顿距离。这个参数默认为2,也就是默认使用欧式距离公式进行距离度量。也可以设置为1,使用曼哈顿距离公式进行距离度量。
metric_params:距离公式的其他关键参数,这个可以不管,使用默认的None即可。
n_jobs:并行处理设置。默认为1,临近点搜索并行工作数。如果为-1,那么CPU的所有cores都用于并行工作。
KNeighborsClassifier提供了以一些方法供我们使用,如所示。
- sklearn-KNN
- Sklearn---knn
- sklearn knn与kmeans
- sklearn基本用法----knn
- 机器学习sklearn knn
- 利用sklearn实现简单的KNN
- KNN sklearn python实现小示例
- kaggle的手写识别比赛(python sklearn-KNN)
- 【数据挖掘 sklearn】knn解决三分类问题
- 用Python开始机器学习(4:KNN分类算法) sklearn做KNN算法 python
- 使用sklearn 决策树,KNN,以及自定义KNN类来实现分类
- Sklearn
- sklearn
- sklearn
- Sklearn
- 机器学习(二)使用sklearn库的datasets练习KNN分类
- 深度学习基础系列(三)之用 sklearn 实现 KNN算法
- KNN分类算法原理与Python+sklearn实现根据身高和体重对体型分类
- Quartz 集成Spring实现简单的任务调度Demo
- 《中国人工智能系列白皮书——智能驾驶》精编
- Xgboost使用问题集锦
- D-Aria
- maven工程的一些配置
- Sklearn---knn
- c++动态内存管理
- <学习html>第四天笔记-注释标签;相对路径,绝对路径;有序列表,无序列表,自定义列表;总结
- python大作战之字典表(dict)--基础篇
- 解决MyEclipse启动运行速度慢的终极大招----MyEclipse优化教程
- 【NOIP2017提高A组冲刺11.3】总结
- mvc框架优缺点
- 小白成长之路(8)--(python)变量数据存储
- PAT 甲级练习 1001