没有合适的资源？快使用搜索试试~
我知道了~
文库首页
人工智能
机器学习
机器学习第二课（KNN算法）
机器学习第二课（KNN算法）
机器学习
0 下载量
56 浏览量
2023-07-02
22:00:22
上传
评论
收藏
4KB
IPYNB
举报
温馨提示
立即下载
所有代码
资源推荐
资源评论
intel 机器学习第二课 关于强化学习及KNN
浏览：62
intel 机器学习教程 第二课，关于KNN算法的强化学习实现
【机器学习实战】机器学习实战第2章KNN算法数据集-数据集
浏览：74
【机器学习实战】机器学习实战第2章KNN算法数据集-数据集
机器学习KNN算法之手写数字数字识别
浏览：125
算法简介 手写数字识别是KNN算法一个特别经典的实例，其数据源获取方式有两种，一种是来自MNIST数据集，另一种是从UCI欧文大学机器学习存储库中下载，本文基于后者讲解该例。 基本思想就是利用KNN算法推断出如下图一个32×32的二进制矩阵代表的数字是处于0-9之间哪一个数字。 数据集包括两部分，一部分是训练数据集，共有1934个数据；另一部分是测试数据集，共有946个数据。所有数据命名格式都是
knn算法python
浏览：176
按照机器学习实战第二章写的knn算法python版，加了一些个人注释，供需要的朋友参考。
华中科技大学，机器学习课程设计大作业，KNN实现红酒分类、感知机癌细胞识别、朴素贝叶斯进行新闻主题分类、支持向量机SVM分类实践
浏览：137
5星 · 资源好评率100%
华中科技大学，机器学习课程设计大作业，KNN实现红酒分类、感知机癌细胞识别、朴素贝叶斯进行新闻主题分类、支持向量机SVM分类实践 目录结构 | +--+ educoder-tasks # educoder 平台上的作业 | +--+ 1-机器学习 --- kNN算法 | | | +--- t-1.ans.py # 第1关：实现kNN算法
机器学习之KNN算法
浏览：36
5星 · 资源好评率100%
1.基础概念 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
机器学习算法KNN
浏览：99
北京互联网违法和不良信息举报中心 中国互联网举报中心
机器学习算法之KNN
浏览：136
K最近邻(kNN，k-NearestNeighbor)分类算法，即k个最近的邻居，说的是每个样本都可以用它最接近的k个邻居来代表。 KNN是通过测量不同特征值之间的距离进行分类。 算法思路是：如果一个样本在特征空间中的k个最邻近的样本中的大多数属于某一个类别，则该样本也划分为这个类别。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
机器学习-KNN算法实现
浏览：164
机器学习knn算法实现，工程使用pycharm建立，包括机器学习实战的代码和自己重写的部分代码，增加部分函数的使用方法介绍。
机器学习算法-KNN精讲
浏览：14
跟着我的节奏，带你走进数据科学，从数据分析思维、数据分析方法、数据分析工具Excel、SQL、Tableau、POWERBI、FineBI、Python等、数据分析之统计建模分析、机器学习、深度学习等，数据分析实战案例、数据建模分析等，带你达到高级水平！
KNN算法的代码
浏览：179
KNN近邻算法的应用，第一个应用是简单的一个测试，第二个应用是改进约会网站的配对效果，第三个应用是手写识别系统
C++描述 k近邻算法 kNN算法
浏览：171
《机器学习实战》第二章KNN算法，书中用Python编写，数据也是源于教材的官网（均开源）。我用C++编写、实现了一下，使其中的细节更为清晰，注释较为详细。在VS2012上编译通过。请认真阅读readme说明文件。可以自己建立数据集进行测试。
监督学习之KNN算法
浏览：197
监督学习 原理 监督学习假定训练数据与真实预测数据属于同一分布且相互独立。监督学习通过训练学习到数据的概率分布，并应用到真实的预测上。监督学习可分为回归分析和分类。 回归分析(Regression Analysis)：对训练数据进行分析，拟合出误差微小的函数模型y=f(x),yy=f(x),yy=f(x),y称为数据的标签，对于每个新的自变量x,x,x,通过这个函数模型可以得到标签yyy。 分类(
机器学习-实验-KNN
浏览：8
本实验包括: 基于kNN算法改进约会网站的配对效果 基于kNN算法实现手写体数字识别 海伦女士一直使用在线约会网站寻找适合自己的约会对象。尽管约会网站会推荐不同的人选，但她并不是喜欢每一个人。经过一番总结，她发现自己交往过的人可以进行如下分类： 不喜欢的人 (didntLike) 魅力一般的人 (smallDoses) 极具魅力的人 (largeDoses)
机器学习KNN算法KNN.py
浏览：139
机器学习KNN算法KNN.py
机器学习之KNN（k近邻）算法详解
浏览：170
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
机器学习--KNN算法.pptx
浏览：175
物流人工智能_机器学习
机器学习笔记2-KNN
浏览：52
KNN-k最近邻 KNN(K-NearestNeighbor)–k最近邻，NN代表神经网络的意思 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个邻居表示 核心思想：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，并且具有这个类别样本的特性。 算法三要素 k值的选取 距离度量的方式 分类决策规则 k值的选择 对于k值的选择，没有
机器学习KNN算法底层实现
浏览：71
KNN底层实现
PYTHON机器学习——KNN（k近邻算法）
浏览：46
PYTHON机器学习——KNN（k近邻算法） 代码实现 首先，导入需要用到的包 import numpy as np import matplotlib.pyplot as plt 初始化模拟数据集和对应的分类 data_x=[[1.15,2.34], [1.55,2.47], [3.78,4.98], [3.34,4.56], [
python机器学习之KNN分类算法
浏览：85
本文为大家分享了python机器学习之KNN分类算法，供大家参考，具体内容如下 1、KNN分类算法 KNN分类算法（K-Nearest-Neighbors Classification），又叫K近邻算法，是一个概念极其简单，而分类效果又很优秀的分类算法。 他的核心思想就是，要确定测试样本属于哪一类，就寻找所有训练样本中与该测试样本“距离”最近的前K个样本，然后看这K个样本大部分属于哪一类，那么就认
6-机器学习之KNN（K-近临算法）
浏览：112
5星 · 资源好评率100%
tags: python,机器学习,KNN,matplotlib,pyplot,pandas,numpy,Series,DataFrame 文章目录一、 k-近邻算法原理二、k-近邻算法案例2.1. 使用步骤2.2. 预测电影类型2.3. 通过身高、体重、鞋子尺码数据预测性别2.4. 预测鸢尾花类型2.4.1. 常规机器学习步骤2.4.2. 机器学习结果可视化（获取knn分类的边界）2.5. 使用
2、KNN学习_十大机器学习算法的KNN学习_
浏览：8
1、把一个所要处理的物体转换成向量的方式、2、对每个物体进行标记（因KNN是监督学习）3、计算两个物体之间的欧式距离4、选择合适的k值
机器学习 KNN 决策树
浏览：31
5个matlab代码 包括KNN Kmeans 回归学习 决策树 随机森林
机器学习KNN算法的Python实现
浏览：69
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。
ChatGPT教程（终极版）最全整理
浏览：76
5星 · 资源好评率100%
这是一篇动了某些人利益的良心教程。 这是一篇姗姗来迟的ChatGPT教程。 纯小白关于ChatGPT入门，你看我这篇文章就够了。 如果你已经用上了ChatGPT，更要恭喜你挖到宝藏，后面的高级技巧一定能让你有收获。 文章包含以下内容： 一、ChatGPT是啥？有什么用； 二、ChatGPT如何注册； 三、ChatGPT使用方法； 四、用ChatGPT搞钱； 五、高级技巧；
博客中Kmeans以及FCM算法数据（免积分）
浏览：14
5星 · 资源好评率100%
博客中Kmeans以及FCM算法的数据，包括IRIS鸢尾花数据集、Wine葡萄酒数据集、Seed小麦种子数据集、glass数据集、WDBD乳腺癌数据集，下载在直接存入项目文件夹即可，如果下载不了，可以私信我，看到后会及时回复。
神经网络回归预测--气温数据集
浏览：137
5星 · 资源好评率100%
神经网络回归预测--气温数据集
hugging face的models-openai-clip-vit-large-patch14文件夹
浏览：149
4星 · 用户满意度95%
用于无法访问hugging face并需要运行stable-diffusion-webui时使用
XGBoost+LightGBM+LSTM-光伏发电量预测
浏览：78
5星 · 资源好评率100%
包含比赛代码、数据、训练后的神经网络模型等。 在分析光伏发电原理的基础上，论证了辐照度、光伏板工作温度等影响光伏输出功率的因素，通过实时监测的光伏板运行状态参数和气象参数建立预测模型，预估光伏电站瞬时发电量，根据光伏电站DCS系统提供的实际发电量数据进行对比分析，验证模型的实际应用价值。 1 数据探索与数据预处理 1.1 赛题回顾 1.2 数据探索性分析与异常值处理 1.3 相关性分析 2 特
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~
联系上传者
评论
笔记本IT
粉丝: 20
资源:
2
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场，查看用户热搜
最新资源
Swift面试题.pdf
保卫战1钢铁（买物品不消耗宝石）.apk
SIMATIC ET 200 SMART IM60远程IO模块的组态方法示例.docx
线段树Java实现-SegmentTree
轻量级的应用程序微信小程序轻量级的应用程序微信小程序
数据分析收集、整理、处理和解释数据分析收集、整理、处理和解释
华为OD真题目录大全，不包含代码
解决matplotlib绘图不能显示中文的问题
使用Qt工具将一些图论的算法可视化，目前支持的算法有Bellman，Floyd算法，网络单纯形法求解最小费用流
base.apk.1.1
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
安全验证
文档复制为VIP权益，开通VIP直接复制
信息提交成功
