VIP会员

k近邻-机器学习算法

Matlab实现的Knn算法，用于数字图像分类，具有很高的准确率

kNN_k近邻_机器学习_分类算法_

机器学习方法，利用K近邻聚类算法进行数据分类

python机器学习实战之最近邻kNN分类器

K近邻法是有监督学习方法，原理很简单，假设我们有一堆分好类的样本数据，分好类表示每个样本都一个对应的已知类标签，当来一个测试样本要我们判断它的类别是， 就分别计算到每个样本的距离，然后选取离测试样本最近的前K个样本的标签累计投票， 得票数最多的那个标签就为测试样本的标签。 源代码详解： #-*- coding:utf-8 -*- #!/usr/bin/python # 测试代码 约会数据分类 import KNN KNN.datingClassTest1() 标签为字符串 KNN.datingClassTest2() 标签为整形 # 测试代码 手写字体分类 import KNN

机器学习之k-近邻算法.zip

机器学习之k-近邻算法这篇blog对于的源码和数据集

机器学习—K-近邻算法[入门]

k-近邻算法（k-Nearest Neighbour algorithm），又称为KNN算法，是数据挖掘技术中原理最简单的算法。 KNN的工作原理：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。可以简单理解为：由那些离X最 近的k个点来投票决定X归为哪一类。 k-近邻算法步骤：      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小的k个点      4.确定前k个点所在类别的出现频率      5.返回

机器学习实战 - k近邻算法（KNN算法）总结

机器学习实战 - k近邻算法（KNN算法）总结 适合机器学习实战入门新手 K-近邻算法，又称为 KNN 算法，是数据挖掘技术中原理最简单的算法。 KNN 的工作原理：给定一个已知类别标签的数据训练集，输入没有标签的新数据...

机器学习实战-k-近邻算法改进约会网站的配对效果

机器学习实战-k-近邻算法改进约会网站的配对效果，包括KNN.py,datingTestSet.txt，datingTestSet2.txt，testknn.py

机器学习_最近邻_k-近邻算法_python实现

机器学习_最近邻_k-近邻算法_python实现

K-近邻算法（KNN）.zip

利用C语言编写的数据挖掘算法——K-近邻算法（KNN）。KNN是通过测量不同特征值之间的距离进行分类。它的思路是：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...

机器学习实战 - KNN（K近邻）算法PDF知识点详解 + 代码实现

KNN（K- Nearest Neighbor）法即K最邻近法，最初由 Cover和Hart于1968年提出，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路非常简单直观：如果一个样本在特征空间中的K个最相似（即特征...

机器学习-kNN算法

包含基于Python实现的kNN代码，可在Pycharm中直接运行，包含约会网站的配对改进程序以及手写体识别系统

机器学习十大算法：kNN

机器学习十大算法：kNN 机器学习十大算法：kNN

纯python实现机器学习之kNN算法示例

前面文章分别简单介绍了线性回归，逻辑回归，贝叶斯分类，并且用python简单实现。这篇文章介绍更简单的 knn， k-近邻算法（kNN，k-NearestNeighbor）。 k-近邻算法（kNN，k-NearestNeighbor），是最简单的机器学习分类算法之一，其核心思想在于用距离目标最近的k个样本数据的分类来代表目标的分类（这k个样本数据和目标数据最为相似）。 原理 kNN算法的核心思想是用距离最近(多种衡量距离的方式)的k个样本数据来代表目标数据的分类。 具体讲，存在训练样本集， 每个样本都包含数据特征和所属分类值。 输入新的数据，将该数据和训练样本集汇中每一个样本比较，找

机器学习算法KNN（K近邻）应用实例——实现对是否患糖尿病的预测

机器学习算法KNN（K近邻）应用实例 使用KNN（K近邻）算法对是否容易得糖尿病问题进行预测。 资源中包括完成的KNN算法训练和实现过程，以及用于机器学习的糖尿病数据集。 数据特征包括： Pregnancies：怀孕次数 ...

机器学习无监督学习与监督学习实验，主要使用K均值算法、DBSCAN算法、K-近邻（KNN）算法及支持向量机（SVM）算法进行实验

基于Matlab实现 机器学习无监督学习与监督学习实验，主要使用K均值算法、DBSCAN算法、K-近邻（KNN）算法及支持向量机（SVM）算法进行实验并绘图

什么是机器学习分类算法？【K-近邻算法(KNN)、交叉验证、朴素贝叶斯算法、决策树、随机森林】.doc

什么是机器学习分类算法？【K-近邻算法(KNN)、交叉验证、朴素贝叶斯算法、决策树、随机森林】.doc

利用k-近邻算法实现手写体分类代码及数据集

k-近邻算法实例及数据集，包含测试集和训练集，代码中knn.py为主体代码，test.py为画散点图详细代码，example_1为test.py生产的散点图

《机器学习实战》- 约会网站数据的KNN分析-手写数字KNN分析-PLA算法决策树 朴素-贝叶斯-逻辑回归+源代码+文档说明

1、资源内容：《机器学习实战》- 约会网站数据的KNN分析-手写数字KNN分析-PLA算法决策树 朴素-贝叶斯-逻辑回归+源代码+文档说明 2、代码特点：内含运行结果，不会运行可私信，参数化编程、参数可方便更改、代码编程...

机器学习十大算法：kNN.pdf

机器学习十大算法：kNN.pdf

kNN-Classifier:kNN 机器学习算法的实现

kNN-分类器 kNN 机器学习算法的实现

《机器学习实战》kNN学习笔记（一）

概述 k-近邻算法采用测量不同特征值之间的距离方法进行分类 优缺点 优点：精度高、对异常值不敏感、唔数据输入假定 缺点：计算复杂度高、空间复杂度高。 适用数据范围：数值型和标称型 标称型：标称型目标变量的结果只在有限目标集中取值，如真与假(标称型目标变量主要用于分类)标称型：标称型目标变量的结果只在有限目标集中取值，如真与假(标称型目标变量主要用于分类) 数值型：数值型目标变量则可以从无限的数值集合中取值，如0.100，42.001等 (数值型目标变量主要用于回归分析) k-近邻算法的一般流程 收集数据：可以使用任何方法. 准备数据：距离计算所需要的数值，最好是结构化的数据格式. 分析数据：可

华中科技大学计算机学院机器学习课程作业--KNN算法的python实现.zip

华中科技大学计算机机器学习课程作业--KNN算法的python实现，内含报告和源码

k-近邻算法（knn）的Python实现

主要使用python实现了knn分类算法。适合初学者使用。 主函数是classifyPerson()

称为 Ada-kNN 和 Ada-kNN2 的自适应 k-最近邻算法的 MATLAB 实现（以及用于处理类不平衡的全局加权方案）

描述： 该软件包包含 7 个功能。...kNNIMB.m：实现加权 k 近邻算法的函数。 learningModel.m：实现所提出的启发式学习技术的函数（供 adaKnn2 和 adaKnn2GIHS 使用）。 standardized.m：支持函数。

K-近邻算法

K-近邻算法

机器学习-KNN算法实现

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。

机器学习算法实践：knn算法实现分类，计算识别准确率（鸢尾花数据集）

机器学习算法实践：knn算法实现分类，计算识别准确率（鸢尾花数据集） 机器学习算法实践：knn算法实现分类，计算识别准确率（鸢尾花数据集） 机器学习算法实践：knn算法实现分类，计算识别准确率（鸢尾花数据集） ...

k-近邻算法（kNN）

采用测量不同特征值之间的距离方法进行分类 工作原理:存在一个样本数据集合...　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,然后算法提取样本集中特征醉相思数据(最近邻)的分类标签。