机器学习实战——第二章:K-近邻算法
来源:互联网 发布:qq邮箱smtp默认端口 编辑:程序博客网 时间:2024/05/21 07:12
本系列目的在于总结每一个分类器的特点(优点、缺点、使用数据类型、使用时的注意事项等)。相关代码自己搜。
python:建议使用2.7
python常用函数库:NumPy、scikit-learn等
python集成环境:anaconda
优点:
1、对异常值不敏感
2、无数据输入假设
缺点:
1、计算复杂度高(对每一个测试样本要跑一边KNN,距离计算也很耗时)
2、空间复杂度高(存储所有样本)
3、随K的变化结果可能受影响
4、无法给出数据的内在含义,仅靠距离作为唯一标准
使用数据类型:
1、连续型
2、离散型
使用时注意事项:
1、K一般不大于20
2、视情况对每个特征进行归一化
3、尝试改变K调整模型精度
0 0
- 机器学习实战——第二章:K-近邻算法
- 《机器学习实战》—K-近邻算法
- 《机器学习实战》学习-第二章 k-近邻算法
- 《机器学习实战》读书笔记:第二章 k-近邻算法
- 【1】机器学习实战 第二章 k近邻算法
- 《机器学习实战》第二章 - k-近邻算法
- 机器学习实战第二章K近邻算法照葫芦画瓢实践。
- 《机器学习实战》第二章 k-近邻算法
- 机器学习实战-第二章(k-近邻算法)
- 机器学习实战笔记(第二章:k近邻算法)
- 机器学习实战—第2章 k-近邻算法
- 菜鸟起飞——机器学习实战第二篇:k-近邻算法
- 机器学习实战—知识梳理—k-近邻算法
- 机器学习python实战——K近邻算法
- 机器学习实战——k-近邻算法(KNN)
- <机器学习实战>——k近邻算法
- 《机器学习实战》——K近邻算法实现
- 机器学习实战笔记(1)——k-近邻算法
- 语法高亮控件
- PHP Warning: PHP Startup
- 八皇后问题(回溯算法)
- Learn to Say, “Hello, World”
- SSH免密码登录远程主机
- 机器学习实战——第二章:K-近邻算法
- 已搬至 cnblogs
- Let Your Project Speak for Itself
- 详解如何在HTML中引用CSS
- 第11周 【项目2 - 职员有薪水了】(1)
- 易信免费电话,确实业界良心
- Atom编辑器折腾记_(7)Emmet实例教程
- 利用java.util.prefs包操作windows注册表
- [好程序员训练营]java基础笔记之new关键字