摘要：伪代码实现：LR、梯度下降、最小二乘、KNN、Kmeans; 基本知识： 1）监督与非监督区别； 2）L1L2区别； 3）生成模型和判别模型区别 像贝叶斯，lda 等就是生成模型，计算过概率分布之类的 算法的优缺点以及相应解决方案：k means, KNN, apriori 算法原理：LR、KNN、 阅读全文

只有注册用户登录后才能阅读该文。

摘要：K 邻近算法 采用测量不同特征值之间的距离来进行分类 Ad：精度高，对异常值不敏感，无数据输入假定 Na：计算复杂度高，空间复杂度高 KNN原理 存在样本集，每个数据都存在标签，输入无标签的新数据后，算法提取出特征最相似的标签。 一般选取前K个数据，通常K不大于20，最后选择K个最相似的数据中出现次 阅读全文